16:15marktechpost@Asif Razzaq精选Miso Labs 发布了 MisoTTS,一个 8B 参数的开源文本转语音模型,专注于情感表达。它采用残差向量量化(RVQ)技术,在不增加参数的情况下扩展声音范围,并能根据文本和音频上下文调整说话人语调。模型架构由 7.7B 主骨干和 300M 深度解码器组成。MisoTTS 的开放权重让开发者和研究者可以自由使用和定制,推动了情感语音合成领域的开源进展。AI模型文本转语音情感合成开源模型MisoTTS残差向量量化推荐理由:MisoTTS 解决了 TTS 模型情感表达不足的痛点,做语音合成、虚拟助手或内容创作的团队可以直接下载权重试用,感受 8B 模型带来的细腻语调变化。原文
13:36xAI@xaixAI 宣布 Grok Voice API 正式上线语音克隆功能,支持生成带有丰富自然情感的语音。该功能允许用户通过 API 调用克隆人类声音,并用于各种应用场景。xAI 还发布了一段音频测试,让听众分辨人类和 AI 克隆的声音。这一进展展示了 AI 语音合成技术的成熟度提升,可能对语音助手、内容创作和客户服务等领域产生重要影响。AI产品语音克隆GrokAPI情感合成xAI推荐理由:语音克隆技术终于有了自然情感,做语音应用或内容创作的开发者可以直接用 Grok Voice API 试试,效果可能超出预期。原文