11:30官方账号arXiv cs.AI@Thomas Thebaud, Yuzhe Wang, Hao Zhang, Sathvik Manikantan Napa Ugandhar, Ashish Hallur, Georgi Tinchev, Venkatesh Ravichandran, Laureano Moro-VelazquezSPEARBench基于Seamless Interaction语料库构建对话提示,评估多个当代语音到语音模型在响应延迟、中断、语音质量、ASR鲁棒性、语言与方言一致性、情感自然度、人际关系立场等8个维度上的表现。与人类对话相比,当前模型在延迟、重叠、方言保留、情感适应和立场动态方面仍有差距。基准包含原始人类回答作为参考条件。论文SPEARBench语音生成对话系统评估基准自然度推荐理由:想测语音AI聊天有多自然?SPEARBench从8个维度对比人类,告诉你现有模型的短板具体在哪。原文
23:29Philipp Schmid@_philschmidGemini TTS 新增流式生成功能,设置 `stream: true` 即可实时接收音频块。开发者可构建语音助手、旁白工具和对话应用,用户无需等待完整音频即可开始播放。该功能适用于需要即时响应的场景。AI产品Gemini TTS语音生成流式音频实时TTS推荐理由:Gemini TTS 现在能边生成边播放了,做语音对话应用体验更流畅,直接设 `stream: true` 就能用。原文