#语音合成

5天前

这条动态是使用 mac 上的 Spokenly，加上 ElevenLabs 的 API 完成的输入

#Spokenly #ElevenLabs API #Mac #语音合成 #技术

1周前

这个 TTS 效果真的是很赞啊前段时间在密集调研各种 TTS，大家推荐了很多，使用了一圈下来，基本都是情绪平平，没有什么感情波动，生硬机械，停顿和呼吸不自然，句尾发音总像「提前收尾」一样直到最近推发现的 #FlowSpeech，一个说话有人味儿的 TTS，效果是真的很赞啊

#FlowSpeech #TTS #语音合成 #人味儿 #效果赞

1个月前

ElevenLabs v3语音模型，AI语音的言出法随时刻

OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 327 条信息

#elevenlabs #v3语音模型 #AI语音 #语音合成 #技术进展

2个月前

好消息是：gemini live api 支持中文了坏消息是：中文tts效果基本没法听

#gemini live #API #中文支持 #TTS #语音合成

4个月前

阿里开源的Cosyvoice2 TTS质量真不错。 Mac M3 24G本地就能运行，0.5b版本就够用，也比较快。外语支持英文、日文、韩文。汉语支持普通话、四川话、南京话、天津话等各地方言。还能通过提示词指定语气、情绪。还能通过特殊标记添加笑声等精细化控制。本地运行，没审查，什么内容都能合成！

#阿里开源 #Cosyvoice2 #TTS #语音合成 #外语支持 #多地方言 #情绪控制 #本地运行 #无审查

5个月前

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，它在个性、记忆、表达能力和恰当性上表现出了非常惊人的能力。

#语音模型 #恐怖谷效应 #语音合成 #Sesame公司 #CSM

5个月前

PM学编程第7天：用扣子做个听故事学英语学习小工具看到小互提到扣子刚上线了Deepseek-V3 和R1，还有豆包的 function calling版。好奇推理模型加持，应用搭建速度是否会提升。发现扣子还挺好玩的，当然，过程也遇到不少坑。 1. 语音合成插件太多，推荐“英语文本转语音”插件。 2. 为用户体验，设计“故事播放”卡片，绑定了工作流。（图片和音频地址URL别用测试生成的，否则审核不通过） 3. 第一次用扣子的数据库，默认有4不能修改的字段，上传数据只需新增字段csv文件。 4. 配置工作流，比想象中简单，让大模型连接原始数据，写Prompt生成要返回的字段变量。有人感兴趣的话，我抽空写个详细教程。

#编程学习 #英语学习 #人工智能 #工具开发 #语音合成 #模型应用 #用户体验

5个月前

PM学编程第6天：开发一个MCP server 昨天安装测试不少MCP （如Fetch、Obsidian、sequential-thinking、brave search、playwright等）惊叹的同时，很想自己做一个。仅需说话就能完成复杂任务，确实是件很酷的事情。过程比想象中简单，甚至不用看官方文档。只需VS安装Cline 或 Roo Code插件，然后说：我要做一个xxx的MCP，然后描述功能需求。 AI会自动生成代码，读取修改MCP 配置文件，不断修改测试就能完成。做了一个海螺音频的MCP。只需要说，用xx声音，朗读“xxx”（可以是文字也可以文件名），就会自动调用MCP，把文本用这个音色生成一个MP3文件。优势：每个MCP 可以跟其他MCP工作流整合，比如直接说抓取Paulgraham 的第3篇，生成双语对照，然后用中年男生朗读。感受：像Coze、Dify这类工具要尽快演化，否则很容易被各种 MCP 取代，拖拽连线成本太高了。普通用户未来可能只是安装了一堆MCP插件，只需要用语言描述任务即可。

#MCP #AI编程 #语音合成 #工作流整合 #Coze/Dify替代

6个月前

我去这个语音克隆模型有点牛P 哈哈哈使用了 250,000 小时的中英双语语音数据训练只需15秒的声音就能完美克隆声音，保持音色和情感 Llasa-3B 可以通过输入一个带有情感特征的语音提示（Prompt），在生成目标语音时保留提示语音中的情感特征。基于 LLaMA 语言模型（ 1B、3B 和 8B 参数规模），通过整合 XCodec2 的语音 token 提供语音生成功能。

#语音克隆 #Llasa-3B #情感特征 #语言模型 #语音合成

karminski-牙医

7个月前

kotoro-TTS 荣登 TTS Arena 排行榜第一名，录了个视频大家可以看下它中文的语音合成效果。值得一提的是，这个模型只有 82M，树莓派都能跑。而且是 MIT 协议的。排行榜地址：在线测试地址：

#kotoro-TTS #TTS Arena #语音合成 #中文 #模型 #树莓派 #MIT 协议