Loading video...

Video Failed to Load

Go Home

我草ElevenLabs的v3语音模型，已经是Next Level级别了，超越Fish Audio成为最佳中文语音模型，同时也是多语言的首选模型。不知道是不是因为Alpha阶段的原因，现在没有屏蔽NSFW内容。 不要在公开场合外放视频！不要在公开场合外放视频！不要在公开场合外放视频！

Gorden_Sun's profile picture

Gorden Sun

59,704 subscribers

95,217 views • 1 year ago •via X (Twitter)

Science & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

8 Comments

一把沙's profile picture
一把沙1 year ago

再配个硅胶，无敌了

Lizi's profile picture
Lizi1 year ago

我突然有个想法

Jason傑森 🇭🇰|🛠️'s profile picture
Jason傑森 🇭🇰|🛠️1 year ago

这语音模型绝了 小心社死啊兄弟

和尚打伞无法无天's profile picture
和尚打伞无法无天1 year ago

已经很接近人类了，再给半年时间会更好

扫地道长's profile picture
扫地道长1 year ago

我一看最后三句话就知道是啥

huanggou's profile picture
huanggou1 year ago

可以克隆声音， 就牛逼了

XiaoBei Lin's profile picture
XiaoBei Lin1 year ago

绝了

Yule's profile picture
Yule1 year ago

再搞个文生av模型 就可以干pornhub了

Related Videos

发现 Minimax 更新了 Speech-02 音频模型 试了一下现在咋这么强！ 训的我自己的语音模型我已经分不出来了 你现在拿一段我的音频问我是不是我说的，我都迷糊 👇下面是详细的测试内容：
0:48

发现 Minimax 更新了 Speech-02 音频模型 试了一下现在咋这么强！ 训的我自己的语音模型我已经分不出来了 你现在拿一段我的音频问我是不是我说的，我都迷糊 👇下面是详细的测试内容：

歸藏(guizang.ai)

106,373 views • 1 year ago

Memo 1.3.0 重磅更新，支持合成语音后的视频导出！ - 原视频重口音？口齿不清？直接替换媲美人声的合成音。 - 日语模型现已上线，让日语视频转写文本更准确。
0:21

Memo 1.3.0 重磅更新，支持合成语音后的视频导出！ - 原视频重口音？口齿不清？直接替换媲美人声的合成音。 - 日语模型现已上线，让日语视频转写文本更准确。

Memo AI

61,985 views • 2 years ago

蔡崇信：AI最终的赢家不取决于谁的模型最强，而是取决于谁能把模型用得最好，应用到各行各业去。 非常赞同，同样观点我也在很多的公开场合和自己的视频号上说过，我们自己也是在疯狂的卷应用。
4:07

蔡崇信：AI最终的赢家不取决于谁的模型最强，而是取决于谁能把模型用得最好，应用到各行各业去。 非常赞同，同样观点我也在很多的公开场合和自己的视频号上说过，我们自己也是在疯狂的卷应用。

傅盛

90,056 views • 7 months ago

Dario Amodei 这段谈 AI 竞争，信息量挺大。 很多人以为中国开源模型追上来以后，前沿模型公司的护城河就没了。 但 Dario 的判断刚好相反： 在 AI 里，真正的护城河不是开不开源，也不是谁模型更多。 而是 intelligence 本身。 他说得很直白：大家不会为了便宜一点、开放一点，就长期接受“没那么聪明”的模型。 只要前沿模型每年还在 10 倍级别增长，领先者和追赶者之间就不是差一点，而是可能差一个时代。
2:30

Dario Amodei 这段谈 AI 竞争，信息量挺大。 很多人以为中国开源模型追上来以后，前沿模型公司的护城河就没了。 但 Dario 的判断刚好相反： 在 AI 里，真正的护城河不是开不开源，也不是谁模型更多。 而是 intelligence 本身。 他说得很直白：大家不会为了便宜一点、开放一点，就长期接受“没那么聪明”的模型。 只要前沿模型每年还在 10 倍级别增长，领先者和追赶者之间就不是差一点，而是可能差一个时代。

Vincent

73,046 views • 26 days 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。
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 views • 1 year ago

不知道是不是巧合 英雄联盟的兔年限定刀妹皮肤语音 包含了关于白纸的内容 可以说是大型煽颠现场了
2:07

不知道是不是巧合 英雄联盟的兔年限定刀妹皮肤语音 包含了关于白纸的内容 可以说是大型煽颠现场了

Lee1ng

100,697 views • 3 years ago

网易有道「子曰4」全模态大模型来了，权重全量开源 这次「子曰4」不仅支持了多模态：图像/视频/语音全输入，27B可以本地化部署，尤其在学习场景表现优异 更值得一提的是这个 TTS 引擎独立开源，3秒即可完成声音采样，克隆音色，并支持14种语言的跨语种生成，且跨语种无口音。这对于我们做音视频营销素材跨语种分发的营销人而言，绝对是个利好 我尝试了一下用我自己的声音来朗读日语，感觉效果还挺好的，最重要的是生成快！大家可以看视频感受一下 等github把模型全开源出来后，我准备封到牛马AI里跑视频素材跨语种合成了！ TTS试玩 TTS项目地址 多模态模型
1:09

网易有道「子曰4」全模态大模型来了，权重全量开源 这次「子曰4」不仅支持了多模态：图像/视频/语音全输入，27B可以本地化部署，尤其在学习场景表现优异 更值得一提的是这个 TTS 引擎独立开源，3秒即可完成声音采样，克隆音色，并支持14种语言的跨语种生成，且跨语种无口音。这对于我们做音视频营销素材跨语种分发的营销人而言，绝对是个利好 我尝试了一下用我自己的声音来朗读日语，感觉效果还挺好的，最重要的是生成快！大家可以看视频感受一下 等github把模型全开源出来后，我准备封到牛马AI里跑视频素材跨语种合成了！ TTS试玩 TTS项目地址 多模态模型

Yangyi

16,518 views • 1 month ago

不要在公开场合外放视频！ 还得是马斯克，Grok里集成了3D虚拟形象，记忆聊天内容，甚至还有好感度系统（低好感度不能色色） 更新Grok，美区IP，设置里即可打开companion。
0:26

Sensitive content

不要在公开场合外放视频！ 还得是马斯克，Grok里集成了3D虚拟形象，记忆聊天内容，甚至还有好感度系统（低好感度不能色色） 更新Grok，美区IP，设置里即可打开companion。

Gorden Sun

64,231 views • 1 year ago

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕） 这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。 大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。 大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。 使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。 此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。 在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。 原始视频链接：
15:46

Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》（中英双语字幕） 这个视频介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。 大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。 大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。 使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。 此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。 在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。 原始视频链接：

宝玉

114,612 views • 3 years ago

都在聊Fable 5，没人注意谷歌昨天发布了一个颠覆翻译行业的新模型：Gemini 3.5 Live Translate 这是一个实时翻译模型，支持70+语言，能自动识别语种 我在AI Studio里试了下，放一段英文视频，中文几乎同步出来，语气语速都对得上，完成度极高 自己说中文，也是1s内就出地道的目标语言 有了这个，出国谈客户不用找翻译了，跨国会议随便开，自己听英文播客、看视频也很方便 （我的测试视频如下👇） 体验地址：
0:35

都在聊Fable 5，没人注意谷歌昨天发布了一个颠覆翻译行业的新模型：Gemini 3.5 Live Translate 这是一个实时翻译模型，支持70+语言，能自动识别语种 我在AI Studio里试了下，放一段英文视频，中文几乎同步出来，语气语速都对得上，完成度极高 自己说中文，也是1s内就出地道的目标语言 有了这个，出国谈客户不用找翻译了，跨国会议随便开，自己听英文播客、看视频也很方便 （我的测试视频如下👇） 体验地址：

Sac

123,101 views • 1 month ago

Memo 现已经支持 OpenAI TTS 语音合成。 现在，多了些更自然的声音帮你把外语学习视频、播客、字幕变成中文或其他语言来播放。 换 Open AI TTS 会少一些机械音，听起来更舒服。 视频音源是 nova。
0:21

Memo 现已经支持 OpenAI TTS 语音合成。 现在，多了些更自然的声音帮你把外语学习视频、播客、字幕变成中文或其他语言来播放。 换 Open AI TTS 会少一些机械音，听起来更舒服。 视频音源是 nova。

Memo AI

97,439 views • 2 years ago

说文解字 本次视频的主要内容说＂肏＂，不解来源，只讲音韵。 汉字＂肏＂的同音同义字在文章中和口语里有多种同义字，比如＂操和草＂，网络使用更广泛。 虽然是在北京形成的，但却是朱棣及部队从南方带入。 目前这个动词被汉语广泛应用，特别是在以北方语系为主的语言环境中，有人不＂草＂不会说话。
4:50

Sensitive content

说文解字 本次视频的主要内容说＂肏＂，不解来源，只讲音韵。 汉字＂肏＂的同音同义字在文章中和口语里有多种同义字，比如＂操和草＂，网络使用更广泛。 虽然是在北京形成的，但却是朱棣及部队从南方带入。 目前这个动词被汉语广泛应用，特别是在以北方语系为主的语言环境中，有人不＂草＂不会说话。

好怕怕

99,663 views • 1 year ago

上海交通大学开源了一个非常牛批的语音生成模型 F5-TTS。 刚好这几天AI音频和播客火爆，这下瞌睡送枕头了。 模型特点有： 零样本 (Zero-shot) 声音克隆 速度控制（基于总时长） 可以控制合成语音的情感表现 长文本合成 支持中文和英文多语言合成 在 10 万小时数据上训练 最重要的是支持商用
0:47

上海交通大学开源了一个非常牛批的语音生成模型 F5-TTS。 刚好这几天AI音频和播客火爆，这下瞌睡送枕头了。 模型特点有： 零样本 (Zero-shot) 声音克隆 速度控制（基于总时长） 可以控制合成语音的情感表现 长文本合成 支持中文和英文多语言合成 在 10 万小时数据上训练 最重要的是支持商用

歸藏(guizang.ai)

129,326 views • 1 year ago

完全免费的 TTS 文字转语音来了！ 再也不用被国内外各种语音合成割韭菜了。 试了下，确实是不限次数，不限语种，完全免费， 效果就是微软 TTS 的效果，重要的是免费啊。 做个抖音、视频号之类的是完全够用了。 地址在下面 👇
0:30

完全免费的 TTS 文字转语音来了！ 再也不用被国内外各种语音合成割韭菜了。 试了下，确实是不限次数，不限语种，完全免费， 效果就是微软 TTS 的效果，重要的是免费啊。 做个抖音、视频号之类的是完全够用了。 地址在下面 👇

奥丁

94,967 views • 1 year ago

其实，很多公共场合都有这神奇，只是平时大家不注意，也不知道放在哪！
1:57

其实，很多公共场合都有这神奇，只是平时大家不注意，也不知道放在哪！

我不姓阿

256,399 views • 2 years ago

网易有道开源了子曰4大模型，27B参数内，数理 SOTA 但真正让我觉得有趣的是它那个语音功能！！ 克隆个声音不稀奇，ElevenLabs 早能做 但它们都有个通病，跨语种会串口音 拿你的中文声音去说日语，它带着一口中国腔，一听就是外国人在硬讲 子曰4 主打的，就是把这口音去掉 你的声音说日语，听着就是个日本人在讲 3 秒克隆，支持 14 种语言（可以看视频演示） 做口播、配音、数字人，省钱效果还好，对不对？ 而且子曰4 这大模型是真开源，给的是权重不是 API 54 个 G 权重直接下载，能本地跑 有道龙虾那个全场景智能体，也是 100% 开源的 大模型开源了，龙虾也开源了，全往外送 有道图啥？靠什么赚钱？ 我还真扒到了它赚钱的秘密下面👇：
0:55

网易有道开源了子曰4大模型，27B参数内，数理 SOTA 但真正让我觉得有趣的是它那个语音功能！！ 克隆个声音不稀奇，ElevenLabs 早能做 但它们都有个通病，跨语种会串口音 拿你的中文声音去说日语，它带着一口中国腔，一听就是外国人在硬讲 子曰4 主打的，就是把这口音去掉 你的声音说日语，听着就是个日本人在讲 3 秒克隆，支持 14 种语言（可以看视频演示） 做口播、配音、数字人，省钱效果还好，对不对？ 而且子曰4 这大模型是真开源，给的是权重不是 API 54 个 G 权重直接下载，能本地跑 有道龙虾那个全场景智能体，也是 100% 开源的 大模型开源了，龙虾也开源了，全往外送 有道图啥？靠什么赚钱？ 我还真扒到了它赚钱的秘密下面👇：

铁锤人

141,063 views • 1 month ago

李玟身前语音曝光完整版： “是因为真的爱音乐，我们的共同语言就是音乐，所以我去了，没想到他们都是一群坏人。他们要对我动手………” 这样的不公是中共制度下的常态。只要共产党继续存在，到处都会存在不公、谎言、陷害和欺凌。
3:37

李玟身前语音曝光完整版： “是因为真的爱音乐，我们的共同语言就是音乐，所以我去了，没想到他们都是一群坏人。他们要对我动手………” 这样的不公是中共制度下的常态。只要共产党继续存在，到处都会存在不公、谎言、陷害和欺凌。

银河系🪐 小宇宙 💫Hakuna

34,389 views • 2 years ago