卧槽兄弟们 Soul发布的这个语音模型很强SoulX-Podcast实现了：高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成具备方言与副语言（如笑声、叹气等）控制能力可连续生成 90 分钟以上的对话内容而不失稳定性支持普通话、英语及多种中文方言多人多轮对话

发布时间: 2025-10-29 20:40:37

1分

数据加载中

关注推特

收听电报

2

1

0

卧槽
兄弟们 Soul发布的这个语音模型
很强
SoulX-Podcast实现了：
高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成
具备方言与副语言（如笑声、叹气等）控制能力
可连续生成 90 分钟以上的对话内容而不失稳定性
支持普通话、英语及多种中文方言多人多轮对话
时政
( twitter.com )

11小时前由小互提交

卧槽

兄弟们 Soul发布的这个语音模型

很强

SoulX-Podcast实现了：

高真实度、长时段、多说话人、多语种（中英双语 + 多方言）播客式语音生成

具备方言与副语言（如笑声、叹气等）控制能力

可连续生成 90 分钟以上的对话内容而不失稳定性

支持普通话、英语及多种中文方言多人多轮对话

还支持在零样本（zero-shot）条件下完成声音与语气的克隆与迁移

Markdown支持

评论加载中...

您可能感兴趣的：更多

1

2

1

1

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，
时政
( twitter.com)

8个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:01:01

2

2

1

1

兄弟们，这个强啊，效果真的挺棒
复旦大学OpenMOSS人工智能开放实验室
推出首个端到端实时语音交互模型
中文语音能力感觉和GPT 4o 的高级语音很接近
- 低于 200 毫秒，支持语音打断和自然互动
- 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。
-
时政
( twitter.com)

9个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:05:26

3

2

1

1

才发现 GPT-SoVITS 发布新版本了，GPT-Sovits V3 TTS 407M，这个新模型提升了语音clone的效果。
另外，这个工具+模型是国产的哦，仅仅407M大小的模型，笔记本轻松运行。效果也是非常不错的。有需要的同学可以试试。
地址：
时政
( github.com)

7个月前 • karminski-牙医 • -- 点击 0 评论

4

2

1

1

Sesame 宣布他们研发了可以跨过恐怖谷的语音模型
这个演示确实非常真实，他们有自己的一套语音真实度评价的方案
如果你也在研究 AI 语音，强烈推荐看看这个文章
目标是实现“语音存在感”——这种神奇的特质让语音互动感觉真实、被理解和被重视。
关键组件包括：
- 情商：解读并回应情感情境。
-
IT技术
( twitter.com)

8个月前 • 歸藏(guizang.ai) • -- 点击 • 下载视频 0 评论

00:00:30

5

2

1

1

兄弟们这个牛P了
2800 tokens/s 啊😂
全球最快推理速度模型不要眨眼↓
ChatDLM：全球首个扩散语言模型 (DLM) 即将开源
ChatDLM深度融合了 Block Diffusion 和 Mixture-of-Experts (MoE) 架构，实现了全球最快的推理速度。
同时支持131,072 tokens的超长上下文
时政
( twitter.com)

6个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:43

6

2

1

1

微软最新发布 Phi 系列的两个全新小模型：Phi-4-multimodal（多模态）和 Phi-4-mini（迷你版） 1. Phi-4-multimodal（5.6B参数）
- 多模态能力：首次整合语音、视觉、文本处理，无需多个模型或复杂流程，统一处理多类型输入。
- 性能亮点： -
时政
( twitter.com)

8个月前 • meng shao • -- 点击 0 评论

7

2

1

1

卧槽了！啥也别说了！都回家吧！！！Veo 3 新世界了宝贝们！！！
实测了！视频模型的 GPT 时刻就是由 Google 完成了！！！
乐高风格 + 场景转换连贯 + 音效太牛逼了！
LEGOWorld｜ZH3O｜Veo3 Creation
【提示 / prompt】⬇️
时政
( twitter.com)

5个月前 • -Zho- • -- 点击 • 下载视频 0 评论

00:00:08

8

2

1

1

李沐的语音LLM，在文本大模型基础上加入语音输入输出，开源训练方法与权重。需要10-12 GB VRAM
没有这种模型之前，AI直播、AI语音、AI客服等基本靠纯文本大模型加语音识别生成，响应容易慢。而且大段文本不一定适合念出来，念出来也不一定符合“情感”
时政
( twitter.com)

3个月前 • Gantrol • -- 点击 0 评论

9

2

1

1

前几天在 X 上刷到一段《让子弹飞》和《甄嬛传》的英语配音视频，音色逼真、英语流利到我以为是真人配的，后来才发现原来是用 B站新发布的 IndexTTS2 文本转语音模型做的。当时心里还打了个小问号，这么好的效果会不会只是剪辑出来的宣传视频？🧵
IT技术
( twitter.com)

2个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:06:21

0.0255 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: [email protected]

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特