Loading video...

Video Failed to Load

Go Home

这特么真的纯靠一个语音模型就能做出来？？

AlchainHust's profile picture

花叔

67,634 subscribers

23,974 views • 3 days ago •via X (Twitter)

ArtsEducationScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

10 Comments

花叔's profile picture
花叔3 days ago

是的，能：

AbyssWell's profile picture
AbyssWell3 days ago

提示词是什么

tingaidehua's profile picture
tingaidehua3 days ago

太好了，非常好

橘子茶's profile picture
橘子茶3 days ago

牛叉花叔，等我交作业

五四七's profile picture
五四七3 days ago

不错，这个

少华Lincoln's profile picture
少华Lincoln3 days ago

我想试试😆

莫尼's profile picture
莫尼3 days ago

视听结合，用的是什么语音模型豆包吗

BlanPlan's profile picture
BlanPlan3 days ago

看起来有些厉害。

UnclK's profile picture
UnclK3 days ago

哎 claude一直没订阅成功过

槽老湿's profile picture
槽老湿3 days ago

想用workbuddy复刻……结果失败了……

Related Videos

哇槽，同一个skill，再做一个vox贴画风格的。效果完全是可商用级别的！！！ 尤其这特么一个语言模型这么能生成这么好的配乐呢？？节奏太对了。
2:11

哇槽，同一个skill，再做一个vox贴画风格的。效果完全是可商用级别的！！！ 尤其这特么一个语言模型这么能生成这么好的配乐呢？？节奏太对了。

花叔

14,736 views • 7 days ago

bilibili的tts牛逼了，能把原声的情绪给模仿出来。抖音上最近刷到的学英语视频原来就是用这个做的。
0:40

bilibili的tts牛逼了，能把原声的情绪给模仿出来。抖音上最近刷到的学英语视频原来就是用这个做的。

Olivert

267,528 views • 1 year ago

兄弟们，这个全新的语音模型很厉害 已经无法分辨了 Sesame： “跨越语音“恐怖谷” ，像真人说话一样的语音模型 当人工合成的语音接近真实人声但仍然存在微小差异时，人类会感到奇怪或不适，这就是所谓的“恐怖谷效应”。 Sesame 公司展示了其最新的语音合成模型CSM， 它在个性、记忆、表达能力和恰当性上表现出了非常惊人的能力。
1:01

兄弟们，这个全新的语音模型很厉害 已经无法分辨了 Sesame： “跨越语音“恐怖谷” ，像真人说话一样的语音模型 当人工合成的语音接近真实人声但仍然存在微小差异时，人类会感到奇怪或不适，这就是所谓的“恐怖谷效应”。 Sesame 公司展示了其最新的语音合成模型CSM， 它在个性、记忆、表达能力和恰当性上表现出了非常惊人的能力。

小互

132,361 views • 1 year ago

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

96,942 views • 1 year ago

我一直想做这个色彩的画面怎么都模仿不出来
0:35

我一直想做这个色彩的画面怎么都模仿不出来

Look at my shining eyes

11,225 views • 6 months ago

语音特征保留： 模型会尝试保留原始说话人的语调（intonation）、节奏（pacing）和音高（pitch）。 东南亚打车平台 Grab 正在测试这个模型，用于司机和乘客在接驾时的多语言通话。 演示：一个泰国司机和一个日本游客之间的电话，双方各说各的语言，模型在中间做实时双向翻译。
0:48

语音特征保留： 模型会尝试保留原始说话人的语调（intonation）、节奏（pacing）和音高（pitch）。 东南亚打车平台 Grab 正在测试这个模型，用于司机和乘客在接驾时的多语言通话。 演示：一个泰国司机和一个日本游客之间的电话，双方各说各的语言，模型在中间做实时双向翻译。

小互

11,512 views • 4 months 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
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

52,501 views • 2 years ago

商汤搞了个国产4o出来 虽然产品交互和语音效果都不够好，但是能在Q2把模型做完，而且能进行这样的现场演示，是很厉害的。
0:58

商汤搞了个国产4o出来 虽然产品交互和语音效果都不够好，但是能在Q2把模型做完，而且能进行这样的现场演示，是很厉害的。

Orange AI

16,841 views • 2 years ago

您就真的不能早出来一会儿么？ （画面与声音无关）
1:58

您就真的不能早出来一会儿么？ （画面与声音无关）

老多

152,009 views • 3 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

141,583 views • 4 months ago

你敢信？ 这是我单靠一张嘴撸出来的啊！ 你可要知道这个东西之前JigSpace就靠这个发家致富的啊～ 太特么细腻和细节到位了…
1:00

你敢信？ 这是我单靠一张嘴撸出来的啊！ 你可要知道这个东西之前JigSpace就靠这个发家致富的啊～ 太特么细腻和细节到位了…

Berryxia.AI

143,240 views • 2 months ago

一个人能在抖音上为了带货，能拍出来这么多天才的广告
0:13

一个人能在抖音上为了带货，能拍出来这么多天才的广告

lidang 立党 （劝人卖房/学CS/买SP500/纳100/OpenAI/Anthrop第一人）

707,009 views • 1 year ago

ElevenLabs v3语音模型，AI语音的言出法随时刻
1:11

ElevenLabs v3语音模型，AI语音的言出法随时刻

Gorden Sun

50,291 views • 1 year ago

单卡 700TPS! Diffusion Gemma 来了! Google 刚刚发布了 Gemma 小模型的 Diffusion 版本! 大小26B, 激活参数量4B, 最重要的是, 这次还跟 NVIDIA 合作针对4090和5090优化了一波, 5090每秒能生成700+token! 给不知道什么是 Diffusion 大模型的同学科普一下, 传统大模型都是一个字一个字吐出来的, 而 Diffusion 大模型则是如同刮奖一样, 是一片一片出来的, 速度高是 Diffusion 大模型的优点. 有得必有失, 缺点当然就是输出质量没有传统大模型好了. 不过这次的 Diffusion Gemma 还是比之前的 Diffusion 文本大模型好不少, AIME 2026(数学能力测试) 能达到 Gemma4-26B-A4B 的94%的水平, 最差的是tau2 bench(考验Agent能力的测试), 也能达到82%. 这个模型大小 4bit 量化版本 16G 显存就能运行了, 另外, 我突发奇想, 这个模型能不能作为 gemma4 dense 模型的草稿模型用来投机解码? 感兴趣的同学可以试试! #diffusiongemma #gemma #gemma4 #google
0:44

单卡 700TPS! Diffusion Gemma 来了! Google 刚刚发布了 Gemma 小模型的 Diffusion 版本! 大小26B, 激活参数量4B, 最重要的是, 这次还跟 NVIDIA 合作针对4090和5090优化了一波, 5090每秒能生成700+token! 给不知道什么是 Diffusion 大模型的同学科普一下, 传统大模型都是一个字一个字吐出来的, 而 Diffusion 大模型则是如同刮奖一样, 是一片一片出来的, 速度高是 Diffusion 大模型的优点. 有得必有失, 缺点当然就是输出质量没有传统大模型好了. 不过这次的 Diffusion Gemma 还是比之前的 Diffusion 文本大模型好不少, AIME 2026(数学能力测试) 能达到 Gemma4-26B-A4B 的94%的水平, 最差的是tau2 bench(考验Agent能力的测试), 也能达到82%. 这个模型大小 4bit 量化版本 16G 显存就能运行了, 另外, 我突发奇想, 这个模型能不能作为 gemma4 dense 模型的草稿模型用来投机解码? 感兴趣的同学可以试试! #diffusiongemma #gemma #gemma4 #google

karminski-牙医

12,374 views • 4 months ago

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。
2:15

卧槽，这个模型真的有点东西啊! 看完后就想问什么时候可以上手啊！ Odyssey AI实验室刚刚扔出一个真正让人眼前一亮的家伙：Starchild-1。 这是全球第一个实时多模态世界模型。 它不只是生成画面，还能同时生成真实世界的声音。 视频里你能看到一个完整的场景：画面在动，声音同步响起，视觉和听觉完全融为一体，像真正活过来的世界模拟。 以前的世界模型大多只能“看”世界，现在Starchild-1直接学会了“听”。 这不仅仅是又一个视频生成工具，更大的意义是朝着通用世界模型又迈出的关键一步，真正理解并模拟物理世界的下一步。 Odyssey团队说，他们正在用这种新形式的多模态智能，重新定义AI对现实的认知。

Berryxia.AI

37,333 views • 4 months ago

这里我在不断的测试和优化 Oil UI 这个 Skill，过程中做了很多的测试，也发现很多以前觉得 UI 设计能力没有那么好的模型使用 Oil UI 后能够做出很出乎意料的作品。 于是我为 Oil UI 单独做了一个网站： 用来展示不同模型使用 Skill 做出来的设计效果，有很多作品真的做的很棒，对应的提示词我也放在演示里面了～
4:10

这里我在不断的测试和优化 Oil UI 这个 Skill，过程中做了很多的测试，也发现很多以前觉得 UI 设计能力没有那么好的模型使用 Oil UI 后能够做出很出乎意料的作品。 于是我为 Oil UI 单独做了一个网站： 用来展示不同模型使用 Skill 做出来的设计效果，有很多作品真的做的很棒，对应的提示词我也放在演示里面了～

oil-oil

60,613 views • 10 days ago

刚刚一位客户拿着这个样片来问我的员工，问我们，这种视频我们能不能做出来。我告诉他们说，做不出来。因为这样的垃圾我真的做不出来😂
0:20

刚刚一位客户拿着这个样片来问我的员工，问我们，这种视频我们能不能做出来。我告诉他们说，做不出来。因为这样的垃圾我真的做不出来😂

Zidan 子丹

12,896 views • 1 month ago