#语音生成模型

avatar
sitin
1周前
面壁智能推出0.5B参数语音生成基座模型VOxCPM。模型由面壁智能与清华大学深圳国际研究生院联合研发，具备高自然度、高音色相似度和强韵律表现力。 VoxCPM在权威语音合成评测中达SOTA水平，支持零样本声音克隆，可生成独特个人声音。 特点： SOTA 性能：在 Seed-TTS-EVAL 等权威评测榜单上取得行业领先水平，词错误率极低。 高效推理：在 RTX 4090 上 RTF≈0.17，可满足实时交互需求。 超拟人语音：支持中英双语、情绪化表达、方言、符号/公式朗读。声音复刻几乎“真假难辨”。 技术突破：采用“层次化语言建模 + 局部扩散生成”，端到端直接合成高质量语音，稳定性与表现力兼具。 关键技术： 层次化语言建模：基于MiniCPM 4.0文本基座，实现语义-声学解耦 有限标量量化（FSQ）：构建"半离散"中间表示，提升生成稳定性 因果式VAE编解码器：低帧率隐空间压缩，支持流式输出
#面壁智能 #语音生成模型 #VOxCPM #零样本声音克隆 #SOTA
avatar
小互
3个月前
Fish Audio 发布最新的语音生成模型：S1 宣称达到专业配音演员的表现力与自然度 S1具备： 高度自然、流畅的声音 丰富的语气和情绪控制 强大的指令跟随能力 可通过自然语言控制一系列情绪：从（愤怒）、（高兴）、（悲伤）到细微的（强调）、（低语）、（同情）等等！ 其训练数据超过 200 万小时音频 表现力和自然度在 TTS-Arena 中排名第一
#Fish Audio #语音生成模型 #专业配音 #自然度 #TTS-Arena