Loading video...

Video Failed to Load

There was a problem loading this video. This could be due to a temporary network issue or the video might be unavailable.

ChatGPT的语音对话功能很赞，中文也支持很好

宝玉

241,192 subscribers

182,366 views • 2 years ago •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

10 Comments

宝玉2 years ago

我是最新的iOS版

歸藏(guizang.ai)2 years ago

羡慕了哈哈哈哈

Sherlock2 years ago

感觉语音有点智障，不知道是不是中文的原因 lmao

Too Young Too Simple2 years ago

我已经更新到这个版本，而且是plus订阅，但是speech里没有这个选项，气愤ing

Fred Chan2 years ago

用了一下，那个设置突然间就消失了，是怎么回事？

Jupyternaut2 years ago

我的Android还没有

Clinch20232 years ago

我在Siri就实现了

Zhoie2 years ago

请问一下现在会员GPT4是可以随便使用了嘛？还是说有4小时100条的限制，没在官网找到具体的解释。

宝玉2 years ago

Mobile没限制，Web好像是100

lujie06012 years ago

请问这是什么APP？

Related Videos

前几天发的字节 Loopy 对口型功能在即梦上线了。这应该是现在支持中文的效果最好的对口型服务。支持图片、视频，输入文字生成语音或者直接上传语音。唱歌或者情绪丰富的表演也不在话下。

前几天发的字节 Loopy 对口型功能在即梦上线了。这应该是现在支持中文的效果最好的对口型服务。支持图片、视频，输入文字生成语音或者直接上传语音。唱歌或者情绪丰富的表演也不在话下。

歸藏(guizang.ai)

18,398 views • 1 year ago

微软对Azure AI语音服务升级发布9种更真实的AI语音对中文支持已经很完美了几乎已经无法分辨了详细：

微软对Azure AI语音服务升级发布9种更真实的AI语音对中文支持已经很完美了几乎已经无法分辨了详细：

小互

241,666 views • 2 years ago

基于 Gemini 2.0 AI 模型的 Python 应用程序，实现语音对话与文本转语音功能。

基于 Gemini 2.0 AI 模型的 Python 应用程序，实现语音对话与文本转语音功能。

Geek

30,063 views • 1 year ago

微软新开源了这个 VibeVoice TTS模型很强 - 支持最多生成 90 分钟时长 - 最多4 个人的对谈语音，以往模型只能生成两个 - 支持中文，而且中文效果不错 - 支持生成带背景音乐的播客音频

微软新开源了这个 VibeVoice TTS模型很强 - 支持最多生成 90 分钟时长 - 最多4 个人的对谈语音，以往模型只能生成两个 - 支持中文，而且中文效果不错 - 支持生成带背景音乐的播客音频

歸藏(guizang.ai)

44,283 views • 1 year ago

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github：论文： #LLM #实时语音对话LLM

第一个开源的具有实时对话能力的多模态模型：Mini-Omni ，支持端到端的语音输入、输出 Mini-Omni是清华大学启元实验室开源的项目，能听、能说也能实时思考，在实时语音交互上媲美GPT-4o 特点： 1、实时语音到语音的对话能力: 无需额外的ASR或TTS模型 2、边思考边说话: 能够同时生成文本和音频 3、流式音频输出: 支持流式音频输出 4、"Any Model Can Talk" 方法: Mini-Omni 可以将语音交互能力添加到其他模型中，为其他模型赋能 github：论文： #LLM #实时语音对话LLM

AIGCLINK

52,402 views • 2 years ago

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换带界面，支持在线录音支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice

一个声音克隆工具：clone-voice 支持文字转成指定音色的语音，也可语音音色转换带界面，支持在线录音支持中文、英文、日语、韩语、法语、德语、意大利语等16种语言 github地址在下条 #声音克隆工具 #clonevoice

AIGCLINK

62,588 views • 1 year ago

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

阶跃星辰开源了一个130B 语音-文本的多模态模型：Step-Audio 这是一个集成语音识别、语义理解、对话生成、语音克隆、音频编辑和语音合成等功能的全能语音模型。该模型通过多模态训练，使得语音理解与生成可以无缝对接。主要能力：语音克隆支持多种语言对话（中文英日）情绪控制与语调控制支持方言可控制语速及韵律风格支持RAP和哼唱等集成了工具调用和角色扮演能力，能够高效管理复杂的任务和对话。 Step-Audio 在多个基准测试中表现出色，尤其是在开放域问答、复杂指令任务和语音合成（TTS）方面取得了显著的进展。

小互

35,755 views • 1 year ago

卧槽兄弟们 Soul发布的这个语音模型很强 SoulX-Podcast实现了：高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成具备方言与副语言（如笑声、叹气等）控制能力可连续生成 90 分钟以上的对话内容而不失稳定性支持普通话、英语及多种中文方言多人多轮对话还支持在零样本（zero-shot）条件下完成声音与语气的克隆与迁移

卧槽兄弟们 Soul发布的这个语音模型很强 SoulX-Podcast实现了：高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成具备方言与副语言（如笑声、叹气等）控制能力可连续生成 90 分钟以上的对话内容而不失稳定性支持普通话、英语及多种中文方言多人多轮对话还支持在零样本（zero-shot）条件下完成声音与语气的克隆与迁移

小互

94,379 views • 10 months ago

兄弟们炸裂了这个语音专文本TTS模型应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。专为对话任务优化，能够支持多种说话人语音，中英文混合等。模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub：详细介绍：

兄弟们炸裂了这个语音专文本TTS模型应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。专为对话任务优化，能够支持多种说话人语音，中英文混合等。模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。 GitHub：详细介绍：

小互

296,677 views • 2 years ago

阶跃开源了一个统治级 130B 的超大语音模型！！！业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统 - 支持多语言对话（中文，英文，日语） - 语音情感（开心，悲伤） - 方言（粤语，四川话） - 可控制语速及韵律风格 - 支持RAP和哼唱等 - 语音克隆太强了，这下真的一步到位了

阶跃开源了一个统治级 130B 的超大语音模型！！！业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统 - 支持多语言对话（中文，英文，日语） - 语音情感（开心，悲伤） - 方言（粤语，四川话） - 可控制语速及韵律风格 - 支持RAP和哼唱等 - 语音克隆太强了，这下真的一步到位了

歸藏(guizang.ai)

148,679 views • 1 year ago

omarchy自带语音输入法，按下F9就能使用。但是中文支持很差（毕竟原作者也不使用中文）。做了一个linux原生的语音输入法，安装后选择一款模型，插件会自动下载，按住F9键直接说话，对于中文和英文包括像linux windows这种词也能识别，并自动粘贴。纯本地CPU推理，不消耗token。

omarchy自带语音输入法，按下F9就能使用。但是中文支持很差（毕竟原作者也不使用中文）。做了一个linux原生的语音输入法，安装后选择一款模型，插件会自动下载，按住F9键直接说话，对于中文和英文包括像linux windows这种词也能识别，并自动粘贴。纯本地CPU推理，不消耗token。

徹言

12,849 views • 3 days ago

Dia：一个由两人小团队开发的完全开源语音模型能“一步生成”极为逼真的多角色对话语音能直接根据对话文本生成自然、有情感的多说话人语音可用音频条件（prompt）进行控制，实现情感、语调的定制。可通过音频prompt实现声音克隆权重和推理代码完全公开单步对话生成：一次性生成完整对话（支持多说话人，如[S1]、[S2]标签）。非语言标签支持：支持丰富的非语言动作标签，增强真实感。

Dia：一个由两人小团队开发的完全开源语音模型能“一步生成”极为逼真的多角色对话语音能直接根据对话文本生成自然、有情感的多说话人语音可用音频条件（prompt）进行控制，实现情感、语调的定制。可通过音频prompt实现声音克隆权重和推理代码完全公开单步对话生成：一次性生成完整对话（支持多说话人，如[S1]、[S2]标签）。非语言标签支持：支持丰富的非语言动作标签，增强真实感。

小互

28,964 views • 1 year ago

aster涨的好，很硬。 OKB也可以的。耐心持有。加油。本文由 #BCGAME 赞助｜BC.GAME

aster涨的好，很硬。 OKB也可以的。耐心持有。加油。本文由 #BCGAME 赞助｜BC.GAME

王短鸟 (长鸟版)

40,678 views • 9 months ago

Chat Chat：开源多功能AI 交互平台 -支持OpenAI、Microsoft Azure、Claude、 Cohere、Hugging Face 等多个 API -支持TTS、支持与文件聊天、对话分享等等 -支持插件功能（搜索和获取网页内容） -支持消息代码语法高亮显示 👉

Chat Chat：开源多功能AI 交互平台 -支持OpenAI、Microsoft Azure、Claude、 Cohere、Hugging Face 等多个 API -支持TTS、支持与文件聊天、对话分享等等 -支持插件功能（搜索和获取网页内容） -支持消息代码语法高亮显示 👉

ahhhhfs

139,688 views • 3 years ago

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub：主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求，可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。

在制作播客或长篇有声小说，传统免费的文本转语音工具往往只能合成几分钟语音，而且多人对话听起来很僵硬不自然，缺乏真实感。最近微软开源了一个文本转语音模型：VibeVoice，可直接生成长达 90 分钟的自然多人对话音频。不仅能处理超长文本，还支持最多 4 个不同说话人的自然对话，甚至能根据内容自动添加背景音乐和音效。 GitHub：主要特性： - 可生成长达 90 分钟的连续语音内容，远超传统工具 - 支持最多 4 个说话人的自然多人对话 - 智能添加背景音乐和音效，增强沉浸感 - 跨语言合成，支持中英文混合语音生成 - 支持歌唱能力，能根据歌词自动生成旋律 - 提供 1.5B 和 7B 两个版本，满足不同性能需求，可通过 Docker 快速部署，并提供了 Gradio 可视化操作界面，轻松上手使用。

GitHubDaily

44,887 views • 1 year ago