AITOP

语音生成

共 5 条相关 AI 资讯
8月19日
00:21
8月7日
18:13
15:41
15:41IT之家（博客/媒体）
阿里巴巴发布一站式 AI 语音生产力平台 CosyVoice Studio，基于自研语音模型 Qwen-Audio 构建。平台包含语音记录工具 CosyFlow、语音智能体 CosyAgent 和音频创作工具 CosyCreative。CosyFlow 支持语音转写并过滤口语填充词，可生成邮件、会议纪要等结构化文本。CosyAgent 可通过自然语言创建实时对话智能体，兼容 prompt 与 workflow 配置。CosyCreative 内置上千种音色并支持声音复刻，上传文档即可生成播客或有声书。
AI产品CosyVoice StudioQwen-Audio阿里巴巴
推荐理由：阿里的 CosyVoice Studio 一口气集齐了语音转写、智能体和音频创作，现在是限时免费，想试试语音工具链的可以下载用用。
原文
7月7日
11:30
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-Velazquez
SPEARBench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
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
6月17日
23:29
23:29Philipp Schmid@_philschmid
Gemini 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
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