#情感语音

1个月前

Decart 和 ElevenLabs 联合退出唇形同步 API 让 AI 角色说话时嘴型完全同步、语气自然、有情感低延迟 + 真唇形：ElevenLabs 负责流式输出情感语音，Decart 的 Lipsync 服务实时把每个音素映射成嘴部动画帧，边说边对齐，不再“对不上嘴”。能被“礼貌地打断”：用户一开口，VAD（语音活动检测）触发中断信号，角色会自然停下，再接着对话，不会“自顾自说完”。上下文一致：历史对话、语气、情绪被放在统一上下文里，声音的情感走向会影响到表情和节奏，整个人设更连贯。谁负责啥？ Decart（嘴型与表情）：专门做实时唇形同步。它吃进音频流，按音素生成逐帧动画；还自带 latency buffering / 补帧 / 平滑中断，避免嘴型“跳帧”。 ElevenLabs（声音与情感）：提供多语言、情感丰富的 TTS，并支持低延迟流式输出；他们的 Flash 系列模型官方文档写的是~75ms 级实时应用优化，这也是能把端到端链路拉到“毫秒级体验”的前提。一句话：ElevenLabs 给角色“灵魂”，Decart 让角色“活起来”。

#Decart #elevenlabs #唇形同步 API #AI 角色 #情感语音