Video wird geladen...

Video konnte nicht geladen werden

Zur Startseite

ChatGPT的语音对话功能很赞，中文也支持很好

dotey's profile picture

宝玉

229,443 subscribers

182,342 Aufrufe • vor 2 Jahren •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

10 Kommentare

Profilbild von 宝玉
宝玉vor 2 Jahren

我是最新的iOS版

Profilbild von 歸藏(guizang.ai)
歸藏(guizang.ai)vor 2 Jahren

羡慕了 哈哈哈哈

Profilbild von Sherlock
Sherlockvor 2 Jahren

感觉语音有点智障，不知道是不是中文的原因 lmao

Profilbild von Too Young Too Simple
Too Young Too Simplevor 2 Jahren

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

Profilbild von Fred Chan
Fred Chanvor 2 Jahren

用了一下，那个设置突然间就消失了，是怎么回事？

Profilbild von Jupyternaut
Jupyternautvor 2 Jahren

我的Android还没有

Profilbild von Clinch2023
Clinch2023vor 2 Jahren

我在Siri就实现了

Profilbild von Zhoie
Zhoievor 2 Jahren

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。

Profilbild von 宝玉
宝玉vor 2 Jahren

Mobile没限制，Web好像是100

Profilbild von lujie0601
lujie0601vor 2 Jahren

请问这是什么APP？

Ähnliche Videos

兄弟， DomoAI 新功能 上传语音+图像直接生成会说话的数字人 嘿嘿 🫡 我测试了下，挺好玩的，而且比其他家速度快很多 中文的支持能力也不错 可以生成5秒、10秒、20秒、30秒，最长支持60秒的生成。 也支持文本转语音功能，内置6种声音，生成语音后再生成数字人，也支持上传自己的声音。还可以指定声音的情绪状态。
1:04

兄弟， DomoAI 新功能 上传语音+图像直接生成会说话的数字人 嘿嘿 🫡 我测试了下，挺好玩的，而且比其他家速度快很多 中文的支持能力也不错 可以生成5秒、10秒、20秒、30秒，最长支持60秒的生成。 也支持文本转语音功能，内置6种声音，生成语音后再生成数字人，也支持上传自己的声音。还可以指定声音的情绪状态。

小互

40,119 Aufrufe • vor 1 Jahr

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。
0:32

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 Aufrufe • vor 1 Jahr

基于ESP32的一个AI聊天机器人项目，小智聊天机器人，支持离线语音唤醒、多语言识别，能分辨是谁在说话，对话比较自然流畅 支持中文、粤语、英文、日语、韩语等 有声纹识别，能分辨是谁在说话 有短期记忆功能，能记住对话内容，可以自定义角色设定 支持Qwen2.5 72B或豆包API，支持TTS #AI智能机器人 #小智
1:51

基于ESP32的一个AI聊天机器人项目，小智聊天机器人，支持离线语音唤醒、多语言识别，能分辨是谁在说话，对话比较自然流畅 支持中文、粤语、英文、日语、韩语等 有声纹识别，能分辨是谁在说话 有短期记忆功能，能记住对话内容，可以自定义角色设定 支持Qwen2.5 72B或豆包API，支持TTS #AI智能机器人 #小智

AIGCLINK

69,875 Aufrufe • vor 1 Jahr

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。
0:36

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 Aufrufe • vor 1 Jahr

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：
0:46

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

241,641 Aufrufe • vor 2 Jahren

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
1:15

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)

44,157 Aufrufe • vor 10 Monaten

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
0:59

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

52,177 Aufrufe • vor 1 Jahr

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
0:50

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

62,507 Aufrufe • vor 1 Jahr

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。
1:35

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 Aufrufe • vor 1 Jahr

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
1:00

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)

148,406 Aufrufe • vor 1 Jahr

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
0:35

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

92,671 Aufrufe • vor 8 Monaten

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：
5:26

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

296,557 Aufrufe • vor 2 Jahren

Kyutai 又推出了一个新的语音模型： Unmute 这是一个高度模块化的语音 AI 系统，可以为任何文本大语言模型快速添加语音功能。 也就是它可以插入到任意的模型当中，让该模型具有语音能力。 -它能够很智能判断你是否说完一句话，然后再接茬 -你也可以随时打断它 -基于 10 秒语音样本即可定制声音 -能实现“文本流式”合成，支持在文本尚未完全生成时开始说话，进一步降低响应延迟。
1:32

Kyutai 又推出了一个新的语音模型： Unmute 这是一个高度模块化的语音 AI 系统，可以为任何文本大语言模型快速添加语音功能。 也就是它可以插入到任意的模型当中，让该模型具有语音能力。 -它能够很智能判断你是否说完一句话，然后再接茬 -你也可以随时打断它 -基于 10 秒语音样本即可定制声音 -能实现“文本流式”合成，支持在文本尚未完全生成时开始说话，进一步降低响应延迟。

小互

37,051 Aufrufe • vor 1 Jahr

我们来听听会说话的ChatGPT 口语怎么样呢？你也可以口语语音输入和它对话。
0:31

我们来听听会说话的ChatGPT 口语怎么样呢？你也可以口语语音输入和它对话。

yiqifacai.eth

21,447 Aufrufe • vor 3 Jahren

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。
1:10

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 Aufrufe • vor 1 Jahr

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 👉
0:20

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 Aufrufe • vor 3 Jahren

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。
0:34

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

44,053 Aufrufe • vor 10 Monaten

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
0:25

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)

40,652 Aufrufe • vor 7 Monaten