Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

智谱刚刚开源了情感语音模型 GLM-4.Voice，一款端到端语音模型，能情感共鸣、支持打断、多语言多方言支持能力： 1、情感表达和情感共鸣：可以模拟不同的情感和语调，高兴、悲伤、生气、害怕等情绪，会用合适的情绪语气回复 2、调节语速：可以要求TA快点说or慢点说 3、随时打断：可以根据实时的指令，调整语音输出的内容、风格和情感，支持更灵活的对话互动 4、多语言、多方言支持：目前支持中英文语音以及中国各地方言，擅长粤语、重庆话、北京话 github：目前该模型的能力已同步上线清言app

AIGCLINK

28,982 subscribers

18,706 просмотров • 1 год назад •via X (Twitter)

Образование Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 1

Фото профиля AI geesehoward

AI geesehoward1 год назад

windows 平台由于 pynini 的问题死活安装不了环境。WeTextProcessing 依赖 pynini. 每次安装python 都能学到新东西，给你个惊喜

Похожие видео

兄弟们，这个强啊，效果真的挺棒复旦大学OpenMOSS人工智能开放实验室推出首个端到端实时语音交互模型中文语音能力感觉和GPT 4o 的高级语音很接近 - 低于 200 毫秒，支持语音打断和自然互动 - 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。 - 丰富的情感控制：支持生成多种情感语音，如欢快、严肃、悲伤等。语音风格多样化：可以模拟不同的角色语调、情绪和语气。支持生成说唱、戏剧化台词、机器人声效、低语耳语、方言等风格

兄弟们，这个强啊，效果真的挺棒复旦大学OpenMOSS人工智能开放实验室推出首个端到端实时语音交互模型中文语音能力感觉和GPT 4o 的高级语音很接近 - 低于 200 毫秒，支持语音打断和自然互动 - 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。 - 丰富的情感控制：支持生成多种情感语音，如欢快、严肃、悲伤等。语音风格多样化：可以模拟不同的角色语调、情绪和语气。支持生成说唱、戏剧化台词、机器人声效、低语耳语、方言等风格

小互

35,292 просмотров • 1 год назад

刚开源的一款不错的TTS模型：Zonos-v0.1，表达能力和音质很不错，支持语音克隆，可对语速、音调变化、音质以及情感精细控制 10-30s声音样本即可高质量语音克隆支持英语、日语、中文、法语和德语可精细调控语速、音调、最高频率、音质以及各种情感响应速度快，在RTX 4090上，实时率约为2倍 #TTS #语音模型 #Zonos

刚开源的一款不错的TTS模型：Zonos-v0.1，表达能力和音质很不错，支持语音克隆，可对语速、音调变化、音质以及情感精细控制 10-30s声音样本即可高质量语音克隆支持英语、日语、中文、法语和德语可精细调控语速、音调、最高频率、音质以及各种情感响应速度快，在RTX 4090上，实时率约为2倍 #TTS #语音模型 #Zonos

AIGCLINK

18,116 просмотров • 1 год 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

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)

148,219 просмотров • 1 год назад

兄弟们，牛P了 11Labs 推出 Eleven v3（Alpha 版）应该是目前地表最强的文本转语音模型了它不仅会说话，还能演戏支持 70 多种语言多个角色间的自然对话以及通过 [sad]、[whispers]、[laughs] 等音频标签精准控制语音情绪与非语言表达与旧版本相比，v3 拥有更强的文本理解能力，可以模拟真实对话中的中断、情感变化与语气调整。

兄弟们，牛P了 11Labs 推出 Eleven v3（Alpha 版）应该是目前地表最强的文本转语音模型了它不仅会说话，还能演戏支持 70 多种语言多个角色间的自然对话以及通过 [sad]、[whispers]、[laughs] 等音频标签精准控制语音情绪与非语言表达与旧版本相比，v3 拥有更强的文本理解能力，可以模拟真实对话中的中断、情感变化与语气调整。

小互

124,132 просмотров • 1 год назад

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 просмотров • 1 год 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

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

13,338 просмотров • 2 лет назад

阿里的最新TTS：Qwen3-TTS，跨语言混合能力强，感觉基本无缝切换，比Qwen-TTS多了更多的语言和方言支持同样能根据输入文本自动调整韵律、节奏和情绪变化跨语言的音色一致性也比较好中文支持普通话、北京、上海、四川、南京、陕西、闽南、天津、粤语多语言支持英文、西班牙语、俄语、意大利语、法语、韩语、日语、德语、葡萄牙语做有声书、AI客服、短视频配音的可以看看 #TTS #Qwen3TTS

阿里的最新TTS：Qwen3-TTS，跨语言混合能力强，感觉基本无缝切换，比Qwen-TTS多了更多的语言和方言支持同样能根据输入文本自动调整韵律、节奏和情绪变化跨语言的音色一致性也比较好中文支持普通话、北京、上海、四川、南京、陕西、闽南、天津、粤语多语言支持英文、西班牙语、俄语、意大利语、法语、韩语、日语、德语、葡萄牙语做有声书、AI客服、短视频配音的可以看看 #TTS #Qwen3TTS

AIGCLINK

34,845 просмотров • 8 месяцев назад

.Qwen 出了一个语音生成，叫 Qwen-TTS，主打方言，视频里面的北京话，您还别说，地道！ Qwen-TTS - 免费 - 支持多种中文方言和中英双语 - API 简单易用亮点 • 训练于超大规模语音数据集，语音自然、富有表现力 • 自动调整语调、语速和情感，支持普通话、北京话、上海话、四川话等方言 • 7 个中英双语声音，适合多场景应用 • 支持通过 API 一键合成语音，代码示例丰富 • 生成结果带有实时性和高可用性 • 持续迭代，未来会支持更多语言和风格博客展示

.Qwen 出了一个语音生成，叫 Qwen-TTS，主打方言，视频里面的北京话，您还别说，地道！ Qwen-TTS - 免费 - 支持多种中文方言和中英双语 - API 简单易用亮点 • 训练于超大规模语音数据集，语音自然、富有表现力 • 自动调整语调、语速和情感，支持普通话、北京话、上海话、四川话等方言 • 7 个中英双语声音，适合多场景应用 • 支持通过 API 一键合成语音，代码示例丰富 • 生成结果带有实时性和高可用性 • 持续迭代，未来会支持更多语言和风格博客展示

艾略特

29,983 просмотров • 11 месяцев назад

MaskGCT：一个新的零样本文本到语音（TTS）模型支持跨语言翻译配音、语音克隆、语言转换、情感控制等与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。同时模型大幅降低了推理时间，适合实时应用。

MaskGCT：一个新的零样本文本到语音（TTS）模型支持跨语言翻译配音、语音克隆、语言转换、情感控制等与现有的TTS系统相比，MaskGCT 在语音的自然度、相似度和可理解性方面表现更佳。支持对语音生成的多样性和情感控制以及对通过文本对音频内容进行实时可控编辑。同时模型大幅降低了推理时间，适合实时应用。

小互

49,340 просмотров • 1 год назад

效果非常不错的一款TTS，一个完全非自回归的TTS模型：MaskGCT 它不需要文本和语音之间的显式对齐信息，也不需要音素级别的持续时间预测，采用了掩码和预测的学习方式，在声音克隆、跨语种合成、语音控制等方面表现优秀 1、支持控制生成语音的总长度，可调节语速、停顿等韵律特征、支持情感控制和语气调整，比如开心的、悲伤的、生气的、平静的等情绪 2、支持零样本语音合成，可以修改已生成的语音，支持声音转换和克隆 github：项目： #TTS #MaskGCT

效果非常不错的一款TTS，一个完全非自回归的TTS模型：MaskGCT 它不需要文本和语音之间的显式对齐信息，也不需要音素级别的持续时间预测，采用了掩码和预测的学习方式，在声音克隆、跨语种合成、语音控制等方面表现优秀 1、支持控制生成语音的总长度，可调节语速、停顿等韵律特征、支持情感控制和语气调整，比如开心的、悲伤的、生气的、平静的等情绪 2、支持零样本语音合成，可以修改已生成的语音，支持声音转换和克隆 github：项目： #TTS #MaskGCT

AIGCLINK

103,720 просмотров • 1 год назад

酷，新出的一款端到端AI语音模型：Voila，全双工能同时听和说，低延迟，预置了一百万种语音还支持ASR、TTS以及多语言语音翻译端到端架构，支持全双工的低延迟对话，延迟195毫秒，超人类平均响应时间能实时自主对话，持续聆听、推理以及主动回应，通过文本指令可以定义说话者的身份以及语气等特征 #语音模型 #Voila #TTS #ASR

酷，新出的一款端到端AI语音模型：Voila，全双工能同时听和说，低延迟，预置了一百万种语音还支持ASR、TTS以及多语言语音翻译端到端架构，支持全双工的低延迟对话，延迟195毫秒，超人类平均响应时间能实时自主对话，持续聆听、推理以及主动回应，通过文本指令可以定义说话者的身份以及语气等特征 #语音模型 #Voila #TTS #ASR

AIGCLINK

37,647 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。

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

OpenVoice V2版本发布原生支持英语、西班牙语、法语、中文、日语和韩语音频质量大幅提升能轻松克隆任何声音，用多种语言说话，并可控制情感口音 OpenVoice能对声音风格的精细控制，包括情感、口音、节奏、停顿和语调，同时能够复制参考发言者的音色。详细：

OpenVoice V2版本发布原生支持英语、西班牙语、法语、中文、日语和韩语音频质量大幅提升能轻松克隆任何声音，用多种语言说话，并可控制情感口音 OpenVoice能对声音风格的精细控制，包括情感、口音、节奏、停顿和语调，同时能够复制参考发言者的音色。详细：

小互

33,307 просмотров • 2 лет 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

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

92,524 просмотров • 7 месяцев назад

StepFun AI （阶跃星辰）发布LLM 级别的音频编辑模型： Step-Audio-EditX 让语音也可以“像文本一样被编辑” 30亿参数（从130B压缩而来）支持零样本语音克隆与多轮可迭代编辑支持语言：普通话、英语、四川话、粤语它可以通过自然语言指令编辑音频的情绪、语气、风格甚至副语言特征 Step-Audio-EditX 在多项指标上超越了闭源商用模型 Minimax 与 Doubao 实验结果表明：其在自然度、情感表达、音色一致性方面已接近甚至超越闭源商用系统。情绪与风格控制能力达到业内领先水准。

StepFun AI （阶跃星辰）发布LLM 级别的音频编辑模型： Step-Audio-EditX 让语音也可以“像文本一样被编辑” 30亿参数（从130B压缩而来）支持零样本语音克隆与多轮可迭代编辑支持语言：普通话、英语、四川话、粤语它可以通过自然语言指令编辑音频的情绪、语气、风格甚至副语言特征 Step-Audio-EditX 在多项指标上超越了闭源商用模型 Minimax 与 Doubao 实验结果表明：其在自然度、情感表达、音色一致性方面已接近甚至超越闭源商用系统。情绪与风格控制能力达到业内领先水准。

小互

18,024 просмотров • 7 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。

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 • 9 месяцев назад

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力支持语音克隆、风格定制除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音

盲测击败了ElevenLabs的一款TTS：Chatterbox，有极强的情感控制能力，可以调整其语音表现力支持语音克隆、风格定制除了正常对话，可以用于一些戏剧化的语音场景 #TTS #Chatterbox #文本转语音 #AI语音

AIGCLINK

26,476 просмотров • 1 год 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。

小互

140,926 просмотров • 1 год назад