搜索
近期，港中大（深圳）联手趣丸科技联合推出了新一代大规模声音克隆 TTS 模型 ——MaskGCT。该模型在包含 10 万小时多语言数据的 Emilia 数据集上进行训练，展现出超自然的语音克隆、风格迁移以及跨语言生成能力，同时保持了较强的稳定性。MaskGCT 已在香港中文大学（深圳）与上海人工智能实验室联合开发的开源系统 Amphion 发布。
在对标OpenAI之路上，智谱AI又近了一步。 今年年初，OpenAI被爆出将自研AI Agent软件，它可替代人类，自动导航至任何网站并执行指定任务。
昨天，Kimi突然给我打了个电话，我这才发现自己被“灰度”了。 灰度测试的内容是Kimi的语音通话功能。 现在进入Kimi App，就能看到底部问答框旁边多了一个电话的图标，点击即可发起语音通话。
只需3秒，你的声音就能被完美克隆。 谁能想到科技圈顶流之一的雷军，居然因为AI语音引起互联网热议？
据TechCrunch报道，投资者们正争相进入 ElevenLabs，该公司可能很快就会被估值为 30 亿美元。
十一假期第1天， OpenAI一年一度的开发者大会又来了惹！今年的开发者大会分成三部分分别在美国、英国、新加坡三个地点举办，刚刚结束的是第一场。
在算力资源的匮乏下，中国的实时语音AI正面临着一场艰难的较量，试图在技术舞台上与GPT-4o一决高下，这无疑是当前中国AI版图中的尴尬局面。
SafeEar是一种内容隐私保护的语音伪造检测方法，其核心是设计基于神经音频编解码器的解耦模型，分离语音声学与语义信息，仅利用声学信息检测，包括前端解耦模型、瓶颈层和混淆层、伪造检测器、真实环境增强四部分。
OpenAI的「Her」还是期货，讯飞星火版「Her」就抢先上线了！不仅极速响应自由打断，还情绪价值拉满，各种情感、风格、方言随意切换。熊二被召唤出来的时候，家里的熊孩子直接被硬控了30秒。
继去年初的第一代VALL-E模型之后，微软最近又上新了VALL-E 2模型，标志着第一个在合成语音稳健性、相似度、自然程度等方面达到人类水平的文本到语音模型。