-
AI 语音的 Her Moment: 个性化交互达到临界点
本文由 MiniMax 官方发布，重点介绍了其研发的高质量文本转语音（TTS）模型 Speech 02。该模型基于 AR Transformer 架构，核心创新在于其内在的 Zero-Shot 能力，通过一个“会学习的音色提取器”，仅凭一段参考音频即可实现超拟人且稳定的音色克隆。MiniMax Speech 02 支持 32 种语言，能够提供任意语言、口音、音色的无限组合。文章引用 Artific…- 0
- 0
-
B 站出海的强有力支柱：最新开源文本转语音模型 IndexTTS-2.0 标志零样本 TTS 进入双维度时代 ｜ 机器之心
文章详细介绍了哔哩哔哩 Index 团队最新开源的文本转语音模型 IndexTTS-2.0。该模型创新性地解决了传统自回归 TTS 模型在韵律自然度与精准时长控制之间难以兼顾的难题，首次提出通用于 AR 系统的“时间编码”机制，通过指定语义 token 数量实现对生成语音时长的精确控制。同时，IndexTTS-2.0 引入了音色与情感的解耦建模，支持独立参考音频、情感向量和自然语言描述等多种多模态…- 0
- 0
-
淘宝直播数字人：TTS 语音合成技术
文章详细介绍了淘宝直播数字人项目中 TTS（语音合成）技术的全流程实践。从直播数据语料构建入手，通过语音信号处理、文本标注和说话人聚类三大环节提升数据质量。在模型优化方面，文章展示了从 V1 到 V4 的迭代过程，包括前端正则化和多音字优化、后端发音准确性提升、韵律情感拟人化增强，以及最新的 CosyVoice 架构融合。技术方案针对直播场景的特殊需求（如中英文混读、直播韵律风格）进行了针对性优化…- 0
- 0
语音合成
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×