Загрузка видео...

Не удалось загрузить видео

На главную

一个人只要留下 5 秒声音，AI 就能让这副嗓子继续说下去，甚至换一种语言。 这个开源项目叫 GPT-SoVITS。 丢进去一小段人声，再输入文字，它就能照着这副音色生成新语音；如果拿 1 分钟数据微调，相似度和真实感还能继续提升。 更夸张的是跨语言：参考音频说中文，生成结果却可以说英语、日语、韩语或粤语。 做视频配音、角色语音和数字人，不必再为每句新台词重新找人录音了

0xCheshire's profile picture

柴郡🔔｜Crypto+AI Plus

148,253 subscribers

21,981 просмотров • 19 дней назад •via X (Twitter)

LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。
1:06

ElevenLabs 推出了全新音视频编辑平台：Studio 3.0 一个界面内可进行 AI 语音合成、音频编辑、音效添加等全部工作 它能做什么？ - 自动配音：输入文字，就能生成接近真人的自然语音，还能选择不同语言和音色。 - 语音转文字：把录音转成文本，适合做字幕或文稿。 - 声音克隆：模拟特定人的声音（常用于品牌或固定角色）。 - 背景音乐与音效生成：根据描述自动生成合适的配乐或音效。 - 多语言配音：上传视频或音频，自动翻译并生成对应语言的配音。 - 音频清理：去除噪音，提升录音质量。

小互

22,976 просмотров • 11 месяцев назад

我去 这个语音克隆模型有点牛P 哈哈哈 使用了 250,000 小时的中英双语语音数据训练 只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。 基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。
0:42

我去 这个语音克隆模型有点牛P 哈哈哈 使用了 250,000 小时的中英双语语音数据训练 只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。 基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。

小互

96,830 просмотров • 1 год назад

📢：好消息 Qwen3-TTS 正式开源 全能语音生成、语音克隆与音色设计模型 评测中，达到全球开源 TTS 模型的新的 SOTA 支持10种语言，而且只有97毫秒延迟 🧬克隆声音：3秒音频，就能复刻出你的音色 🎙️ 自定义音色：你说“来个温柔女声”或“做成热血旁白”，它立刻生成； 🗣️ 自然情绪控制：能听懂文字里的语气，比如“愤怒”、“悲伤”、“调皮”； 🌍 多语言支持：能说中、英、日、韩、法、德、西、俄、葡、意共10种语言； ⚡ 实时响应：输入一个字，它就开始说，延迟低至 97毫秒，几乎实时
3:12

📢：好消息 Qwen3-TTS 正式开源 全能语音生成、语音克隆与音色设计模型 评测中，达到全球开源 TTS 模型的新的 SOTA 支持10种语言，而且只有97毫秒延迟 🧬克隆声音：3秒音频，就能复刻出你的音色 🎙️ 自定义音色：你说“来个温柔女声”或“做成热血旁白”，它立刻生成； 🗣️ 自然情绪控制：能听懂文字里的语气，比如“愤怒”、“悲伤”、“调皮”； 🌍 多语言支持：能说中、英、日、韩、法、德、西、俄、葡、意共10种语言； ⚡ 实时响应：输入一个字，它就开始说，延迟低至 97毫秒，几乎实时

小互

47,415 просмотров • 7 месяцев назад

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS Seed-TTS能生成与人类语音几乎没有区别的语音 支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。 能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音 github： 论文： #TTS #SeedTTS #字节跳动
1:12

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS Seed-TTS能生成与人类语音几乎没有区别的语音 支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。 能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音 github： 论文： #TTS #SeedTTS #字节跳动

AIGCLINK

13,368 просмотров • 2 лет назад

HeyGen 发布 Avatar IV 数字人模型 只需一张照片、一段脚本和自己的语音，即可生成一个非常逼真数字人 - 新模型基于“扩散式音频驱动表情引擎”，能根据语音的节奏、语调、情绪合成真实的面部表情和动作。 - 支持侧脸图像与角度变化，带来更具电影感的画面。 - 支持唱歌同步（节奏匹配） - 不仅同步声音，还能“理解”语义与情感，表现出暂停、点头、语调起伏等微动作。 - 支持 30 秒音频/脚本：最多上传 30 秒的语音或文本脚本生成动画。
0:24

HeyGen 发布 Avatar IV 数字人模型 只需一张照片、一段脚本和自己的语音，即可生成一个非常逼真数字人 - 新模型基于“扩散式音频驱动表情引擎”，能根据语音的节奏、语调、情绪合成真实的面部表情和动作。 - 支持侧脸图像与角度变化，带来更具电影感的画面。 - 支持唱歌同步（节奏匹配） - 不仅同步声音，还能“理解”语义与情感，表现出暂停、点头、语调起伏等微动作。 - 支持 30 秒音频/脚本：最多上传 30 秒的语音或文本脚本生成动画。

小互

140,969 просмотров • 1 год назад

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 просмотров • 1 год назад

Codex 自己配音 更离谱的是，用的还是我自己的声音。 一个 41K Star 的开源项目：Voicebox。 它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。 重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费 以前做配音，要么买付费软件，要么用云端 TTS。 现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。 一句话： 它像是开源版 ElevenLabs + AI Agent 语音中枢。 如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：
1:12

Codex 自己配音 更离谱的是，用的还是我自己的声音。 一个 41K Star 的开源项目：Voicebox。 它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。 重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费 以前做配音，要么买付费软件，要么用云端 TTS。 现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。 一句话： 它像是开源版 ElevenLabs + AI Agent 语音中枢。 如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

撸毛吃猪脚饭

51,132 просмотров • 1 месяц назад

兄弟们，这个厉害了！！！ PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型 能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。 还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。
1:30

兄弟们，这个厉害了！！！ PersonaTalk：字节跳动开发出可精准给视频进行AI配音的模型 能保持口型同步、说话风格完美匹配 只需输入音频和参考视频，即可生成同步的视觉配音 不仅让嘴唇动作与音频完美匹配，还能保留说话者的个性特点，比如说话的速度、语调和表情。 还能同步说话者的风格，比如轻松、严肃或激动的语气，让配音更生动。 不仅如此，还能实现视频翻译，将视频说话者的语音翻译成其他语言。

小互

162,422 просмотров • 1 год назад

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话 效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用 基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能 模型最终输出带 AI 声明水印 支持中/英文 MIT许可证 #TTS #VibeVoice
1:08

微软昨晚开源新模型：VibeVoice-1.5B TTS，可一次生成90分钟语音、多人对话 效果听起来质量很高，在说话人一致性和自然轮转上都非常不错 VibeVoice能生成90分钟连续语音，支持4个不同说话人，对像播客这种长篇音频内容生成比较实用 基于Qwen2.5-1.5B理解上下文和语义，有两个连续语音分词器，这两个分词器以 7.5Hz的超低帧率运行，在保证音频质量的同时，提高了计算效率，使得处理长序列成为可能 模型最终输出带 AI 声明水印 支持中/英文 MIT许可证 #TTS #VibeVoice

AIGCLINK

40,124 просмотров • 1 год назад

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

94,379 просмотров • 9 месяцев назад

Bilibili 训练的这个 IndexTTS2 语音模型 效果很不错，支持情感可控 + 时长可控 - 自由切换情绪（开心、生气、悲伤等），甚至能用文字告诉模型“我想让声音听起来愤怒”。 - 保持说话人音色不变，同时注入其他音频或文字里的情感。 - 生成更自然、更清晰的语音，即使在强烈情绪下也不会崩坏。 - 时长可控 ：可以“精确到毫秒”控制语音长度，也支持自然时长生成。 - 零样本能力：无需额外训练，只需一小段目标声音，就能模仿说话人音色并加上指定情绪。 - 多语种支持：训练语料 55,000小时，覆盖中英文、日文，兼顾自然度与跨语言表现。
0:42

Bilibili 训练的这个 IndexTTS2 语音模型 效果很不错，支持情感可控 + 时长可控 - 自由切换情绪（开心、生气、悲伤等），甚至能用文字告诉模型“我想让声音听起来愤怒”。 - 保持说话人音色不变，同时注入其他音频或文字里的情感。 - 生成更自然、更清晰的语音，即使在强烈情绪下也不会崩坏。 - 时长可控 ：可以“精确到毫秒”控制语音长度，也支持自然时长生成。 - 零样本能力：无需额外训练，只需一小段目标声音，就能模仿说话人音色并加上指定情绪。 - 多语种支持：训练语料 55,000小时，覆盖中英文、日文，兼顾自然度与跨语言表现。

小互

27,485 просмотров • 11 месяцев назад

这个免费配音产品，真好玩啊，VoxCPM2。 以前做 AI 配音，要么按月给平台交钱，要么自己折腾一堆模型。现在 OpenBMB 把这套东西直接开源了。 你丢一段文字进去，它就能生成一段接近真人说话的音频。 更骚的是，不给参考声音也行。直接告诉它，年轻一点，声音温柔一点，语速稍微快点，它会自己设计一个声音。 有参考音频，玩法就更多了。 给它一小段录音，VoxCPM2 能照着克隆音色。生成新内容时，还能单独控制语速、情绪和说话方式。 中文、英语、日语等 30 种语言都支持，四川话、粤语、东北话、闽南话也能做。输出是 48kHz，已经奔着正经内容生产去了。 老王用自己的声音试了东北话，粤语，普通话，都非常像的。关键免费啊！ 代码和模型全部开放，Apache 2.0 许可，可以商用。GitHub 已经超过 3.3 万 Stars。 我已经部署本地了，后面自己的coding 的产品就用这个模型，对配置要求低的。 你也拿一段课程文案试试，重点听三个东西，中文像不像真人，长文会不会越念越怪，克隆出来的声音到底像不像。 跑完再回来交作业。
0:41

这个免费配音产品，真好玩啊，VoxCPM2。 以前做 AI 配音，要么按月给平台交钱，要么自己折腾一堆模型。现在 OpenBMB 把这套东西直接开源了。 你丢一段文字进去，它就能生成一段接近真人说话的音频。 更骚的是，不给参考声音也行。直接告诉它，年轻一点，声音温柔一点，语速稍微快点，它会自己设计一个声音。 有参考音频，玩法就更多了。 给它一小段录音，VoxCPM2 能照着克隆音色。生成新内容时，还能单独控制语速、情绪和说话方式。 中文、英语、日语等 30 种语言都支持，四川话、粤语、东北话、闽南话也能做。输出是 48kHz，已经奔着正经内容生产去了。 老王用自己的声音试了东北话，粤语，普通话，都非常像的。关键免费啊！ 代码和模型全部开放，Apache 2.0 许可，可以商用。GitHub 已经超过 3.3 万 Stars。 我已经部署本地了，后面自己的coding 的产品就用这个模型，对配置要求低的。 你也拿一段课程文案试试，重点听三个东西，中文像不像真人，长文会不会越念越怪，克隆出来的声音到底像不像。 跑完再回来交作业。

产品经理老王霸

21,719 просмотров • 1 месяц назад

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)

148,628 просмотров • 1 год назад