跳到正文
今天11月17日周二3条
11月15日周日
  1. MarkTechPost58

    Bland 发布全双工语音到语音模型 Tofu-1,面向嘈杂通话场景

    旧金山语音 AI 公司 Bland 发布全双工语音到语音模型 Tofu-1,以研究预览形式开放给有限企业,目标场景是行驶中的汽车、病房和弱信号线路。该模型直接处理音频输入输出,中间不经转写文本,官方列出说话人追踪、噪声分离和副语言信息识别三项音频能力,并支持通话中打断与边处理边对话。

11月14日周六
10月24日周六
10月23日周五
  1. Amazon Science58

    Audible 团队提出有声书可控语音合成方案,对话区分度提升 3.7 分

    Audible 技术团队公布一套面向有声书的可控 TTS 方案,用自然语言描述控制对白语气,并让角色声音在全书中保持一致。方案包含三部分:带语音特征描述的数据合成流水线、自动识别书中角色及其对白的 BookLLM(英语和西班牙语准确率分别为 97% 和 94%),以及把两者串起来的合成流程。在 MUSHRA 测试中,对白区分度提升 3.7 分,英西双语十种声音里有八种在听感上取得统计显著改善。