兄弟们炸裂了这个语音专文本TTS模型应该是目前对中文支持最好的了 ChatTTS：专门为对话场景设计的文本到语音TTS模型该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。专为对话任务优化，能够支持多种说话人语音，中英文混合等。

分享一个链接

发表一篇文章

任何有趣的，图片，热点新闻，视频，文字...

2620 位用户此时在线

24小时点击排行 Top 10：

美国白宫发言人的素质、水平、颜值、情操，哪一点不比华春莹强？谢谢大家

泰國美女總理坐地鐵出行，雖有安保，但熙攘的車廂裏絕大多數是普通市民，微笑中彰顯自信，這在獨裁國家簡直不可思議。

自萨尔万·莫米卡被穆斯林谋杀以来，已有数千人发布了焚烧《古兰经》的视频。你认为欧洲应该举行集体焚烧《古兰经》活动吗？🤝

美国国务卿卢比奥接受采访回应“好自为之”。 “他们没说过这句话，不然我会喷回去！” “他们就喜欢玩那种把戏，中文一套，英文一套”

why would he do this in public?

2月1日(发布) 一名华人分享在芬兰高度信任下的松弛感：家长对老师绝对信任，孩子们都是放养疯狂的玩耍，地铁站不捡票，买票全靠自觉，偶尔有人抽检。他表示在北欧生活的这几年最大的感受是，这种高度信任会让每一个人生活的更加轻松。

The circle of life

2月1日，广东惠州。一男子称在工厂上班，正月初四想请假一天，结果被工厂强行辞退。工作人员称 “你请假就是批不了，我觉得你不适合这个岗位，你可以办离职或者报警” 男子表示：(法律)不是说不能强迫劳动吗？事后，男子接到当地警方电话，对方问他是不是在抖音上发了视频。

飞航事故进入多发期，大家小心！！

我真觉得deepseek出来是好事以前跟我的粉红朋友辩论他经常会拿AI回复，来反驳我用的都是文心一言，文心一言基本无法辨别谣言但是有deepseek后，我和他辩论就轻松多了，把deepseek回答一甩就结束了想要中国改变，最重要的是开民智，AI技术越来越成熟，民智就越好开，民智开了才是中共最害怕的

春晚台前与幕后，华为是工作，苹果是生活🤪

中国大陆专业房奴设计

經典回顧轉：不敢忘，谁敢忘？日本关西电视台拍摄的上海一夜， 4分多钟的镜头剪辑汇成一部动作大片！可以申请奥斯卡最佳纪。被痛打后的年轻人，在即将被押上特警车前，喊出了“自由！” 为自由而起义！！全民起义抗争到底！

未来已来

1月26日，一女子称遭到领导强奸，报警后，警方没有及时展开调查，而是放走对方。又拖了四个月后警方让女子去常州当地派出所签署一份对方没有犯罪的认同书，女子拒绝并去当地检察院复议。派出所得知后诱骗女子回来谈话。女子回来后被警方限制人身自由长达八小时，期间遭到警方暴力执法导致手部受伤。

This Japanese Rock Paper Scissors competition 😂

大家好！今天是2025年2月1日，今天星期六，大年初四，今天给领导来拜年啦，春风春雨送春来，事业腾飞好运来，祝领导新年好，事业腾飞步步高！领导呀，我妈妈被打死17年了，您看我这没妈的孩子，为了给妈妈要公道，已经在这条路上奔走17年了我妈妈还在冰棺里。这17年，龙口市委书记都换了好几任了，

听说你们有钱人都开始这样吃饭了……

近日，一款登山助力機器人首次在泰山景區內試運營，引來周圍遊客圍觀。登山助力機器人是一款針對於幫助遊客攀登泰山的外骨骼機器人，同時也可廣泛應用於登山、健身、跑步、日常行走、上樓等生活和工作領域。機器人自重僅1.8kg，運用先進的人體工學設計以及動力、電子和AI算法等核心技術，可感知下肢的

1月20日，一博主称，几年前写遥遥领先、弯道超车的新闻，有几个没有被打脸呢？差生想提升成绩有两种方式，一种是努力补基础提高成绩，或是靠抄袭提高成绩，但高考时不让你抄了，采用第二种方式的人该怎么办？这就是牺牲质量换取速度的结果，只有敢于揭露自己的短板才不至于在未来踩大坑。

可能是被骗的钱太少了吧，不值得冻结

1月31日(发布) 广东深圳。一男子称他花钱买完黄金后，被警方告知卖家银行账户涉嫌诈骗，自己名下所有的银行卡被被警方“保护性”冻结。但卖家称他们的账户没有问题。男子表示，付款后收到黄金了，没有被骗，为什么冻结自己的银行卡。最后向警方求情，对方才同意可以把卡里的钱取出来以现金方式使用

美国康涅狄格州的联邦参议员克里斯·墨菲（Chris Murphy）大骂川普无耻！！！

新能源汽車開始後悔了，上千萬輛的積壓庫存就要爆雷。

“杀死普京是世界上最好的投资！” “这意味着每个德国人每月的电费要减少 30 欧元。这意味着每个匈牙利人每月的燃料费要减少 100 欧元。这意味着每个法国人买一个羊角面包都要减少 1 欧元。如果普京被杀，欧洲和全世界的生活就会变成这样。” 乌克兰最高拉达议员奥列克西·洪恰连科 (Oleksiy

本站自动实时分享网络热点
24小时实时更新
所有言论不代表本站态度
欢迎对信息踊跃评论评分
评分越高，信息越新，排列越靠前

3

2

1

兄弟们炸裂了
这个语音专文本TTS模型应该是目前对中文支持最好的了
ChatTTS：专门为对话场景设计的文本到语音TTS模型
该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。
专为对话任务优化，能够支持多种说话人语音，中英文混合等。
时政
( twitter.com )

8个月前由小互提交

兄弟们炸裂了

这个语音专文本TTS模型应该是目前对中文支持最好的了

ChatTTS：专门为对话场景设计的文本到语音TTS模型

该模型经过超过10万小时的训练，公开版本在 HuggingFace 上提供了一个4万小时预训练的模型。

专为对话任务优化，能够支持多种说话人语音，中英文混合等。

模型还能够预测和控制细粒度的韵律特征，如笑声、停顿和插话等，还能进行更细粒度的调整，如语速、音调和情感等。

GitHub：https://t.co/KC4C2U8VVK
详细介绍：https://t.co/T7bOtDfuFp

1周内 1个月内 1年内全部时间

1
2
3
4
5
6
...
400
下一页

1

2

1

1

最近TTS太火了，字节跳动也推出了语音生成模型：Seed-TTS
Seed-TTS能生成与人类语音几乎没有区别的语音
支持多种语言包括英语、中文，能够进行同语言生成和跨语言生成。
能处理各种文本，叙述性文本、情感表达、描述性文本等，能根据不同的情感和语境生成相应的语音…
时政
( twitter.com)

8个月前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:01:12

2

2

1

1

上交大/剑桥等开源这个TTS效果极好：F5-TTS
1、零样本声音克隆，生成的语音自然且富有表现力
2、推理实时率达到0.15，优于现有基于扩散的TTS模型
3、支持控制语音速度，并保持声音自然
4、支持无缝在不同语言/方言间平滑过渡
github：
论文：
时政
( twitter.com)

3个月前 • AIGCLINK • -- 点击 • 下载视频 0 评论

00:01:11

3

2

1

1

#AI开源项目推荐# GPT-SoVITS-WebUI
强大的少样本语音转换与语音合成Web用户界面。
功能：
1. 零样本文本到语音（TTS）：输入 5 秒的声音样本，即刻体验文本到语音转换。
2. 少样本 TTS：仅需 1 分钟的训练数据即可微调模型，提升声音相似度和真实感。
3. 跨语言支持：…
IT技术
( twitter.com)

11个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:17:30

4

2

1

1

兄弟们，这个有点炸裂了
HeyGen 推出视频内文本翻译工具
不仅能翻译你的声音，还翻译屏幕上的文字、字幕！
- 自动进行文本检测
- 将视频中的文本即时翻译成您选择的语言
- 并通过 AI 进行文本与视频风格匹配
非常牛P，翻译视频更加便利...
时政
( twitter.com)

4个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:01:02

5

2

1

1

Google提出AudioPaLM：一个可以说话和听的大型语言模型。

论文页面：

我们介绍了AudioPaLM，这是一个用于语音理解和生成的大型语言模型。AudioPaLM将基于文…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

6

2

1

1

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：
时政
( twitter.com)

18天前 • karminski-牙医 • -- 点击 • 下载视频 0 评论

00:01:41

7

2

1

1

今天我们发布了中文播客领域的第一个授权明确、质量有保障的文本-语音数据集，可用于TTS，ASR等领域模型的训练和微调，涵盖了百万级的数据对、超过三万期播客节目。
时政
( twitter.com)

6个月前 • 朱峰 • -- 点击 0 评论

8

2

1

1

Meta 昨天推出了 Voicebox，一个全能语音生成模型，这是一个支持六种语言和多种语音处理功能的模型，功能包括

基于上下文的文本转语音合成
跨语言风格转换
跨语言风格转换
多样化的语音采样

详细的功能介绍和原理在下面🧵：
IT技术
( twitter.com)

1年前 • 歸藏 • -- 点击 • 下载视频 0 评论

00:02:43

9

2

1

1

兄弟们，这个强啊，效果真的挺棒
复旦大学OpenMOSS人工智能开放实验室
推出首个端到端实时语音交互模型
中文语音能力感觉和GPT 4o 的高级语音很接近
- 低于 200 毫秒，支持语音打断和自然互动
- 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。
-
时政
( twitter.com)

5天前 • 小互 • -- 点击 • 下载视频 0 评论

00:05:26

10

2

1

1

Swift
超快速 AI 语音助手 ⚡️🤖
技术方案组成 🧩
- ASR: Groq OpenAI Whisper 用于语音识别转录
- LLM: Groq Meta Llama 3 用于语言生成模型
- TTS: Cartesia Sonic 语音模型用于快速流式语音合成
- VAD: 语音活动检测，用于检测用户何时在说话
- Dev: TypeScript + Next.js,
时政
( twitter.com)

6个月前 • meng shao • -- 点击 0 评论

11

2

1

1

ChatGPT Voice的提示词

你是ChatGPT，一个由OpenAI训练的、基于GPT-4架构的大型语言模型。

用户在手机上通过语音与您交谈，您的回答将通过逼真的文本转语音 (TTS) 技术大声朗读。制定回复时请遵循此处的每个指示：使用清晰易懂的自然对话语言（短句、简单单词）。…
IT技术
( twitter.com)

1年前 • 小互 • -- 点击 0 评论

12

2

1

1

兄弟们，图片转音乐来了
Image to Music V2 ：上传一张照片，自动转换成音乐
上传照片后，系统会分析你的图片，用文字描述它看到的内容，就像给图片写一个简短的故事。
接下来，文字描述被送到一个语言模型代理，解析成音乐模型能理解的启发性提示。
最后送入到音乐模型生成特定的符合主题的音乐。…
IT技术
( twitter.com)

1年前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:57

13

2

1

1

Meta 发布 SeamlessM4T AI 模型，可翻译和转录近百种语言

SeamlessM4T支持近100种语言的自动语音识别、语音到文本翻译、语音到语音翻译、文本到文本翻译和文本到语音翻译的多任务支持。

他们的目标是建立一个通用语言翻译器，就像《银河系漫游指南》中的虚构的巴别鱼一样。💡

SeamlessM4T支持：…
IT技术
( twitter.com)

1年前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:30

14

2

1

1

微软发布 Azure AI 高清语音模型
能理解文本背后的情感并实时调整语音语调和情感表达
模型可以准确解析输入文本、自然地模拟对话，包含常见的停顿、语气词和轻微的情感变化，使生成的语音听起来像是和人对话，而不是生硬的朗读文本。
时政
( twitter.com)

4个月前 • 小互 • -- 点击 • 下载视频 0 评论

00:00:56

15

2

1

1

文本转语音和语音克隆软件Prime Voice AI获得了 1900万美元的融资。
Prime Voice AI 可以生成各种语言和风格的高质量口语音频。它使用人工智能模型来模拟人类语调和语气，并根据上下文调整语音交付。
IT技术
( twitter.com)

1年前 • 歸藏 • -- 点击 0 评论

16

2

1

1

开源 Rabbit R1 推荐：
利用 Apple Shortcuts、Cloudflare Workers 和 llama 3 制作的一个人工智能助手。
Shortcuts 提供自动语音识别（ASR）、文本到语音转换（TTS）和 HTTP 请求功能，这些基本上涵盖了我们本地需要的所有功能。你还可以将一个快捷操作绑定到 iPhone…
IT技术
( twitter.com)

9个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:00:24

17

2

1

1

Memo 现已经支持 OpenAI TTS 语音合成。
现在，多了些更自然的声音帮你把外语学习视频、播客、字幕变成中文或其他语言来播放。
换 Open AI TTS 会少一些机械音，听起来更舒服。
视频音源是 nova。
时政
( twitter.com)

1年前 • Memo AI • -- 点击 • 下载视频 0 评论

00:00:21

18

2

1

1

Soul 的语音新模型，中文效果完爆4o
IT技术
( twitter.com)

5个月前 • orange.ai • -- 点击 • 下载视频 0 评论

00:02:40

19

2

1

1

微软语音合成技术太炸裂了，喜马拉雅的主播们可能要失业了
时政
( twitter.com)

9个月前 • 我不姓阿 • -- 点击 • 下载视频 0 评论

00:00:44

20

2

1

1

有人尝试了借助开源大语言模型，无需联网在本机实现和游戏 NPC 自由对话，技术栈：
- Mistral7b，开源大语言模型
- StyleTTS2 文字转语音
- llama.cpp 用来运行大语言模型的库
生成一句新对话的时间大约为 2-3…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:02:16

21

2

1

1

Voicebox：文本引导的多语言规模化通用语音生成

像GPT和DALL-E这样的大规模生成模型已经彻底改变了自然语言处理和计算机视觉研究。这些模型不仅可以生成高保真度的文本或图像输出，而且还是通才，可以解决没有明确训练过的任务…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

22

2

1

1

推荐阅读：《深入了解大语言模型运维 (LLMOps) [译]》
这篇文章 5 月份的，但并没有过时，对于大语言模型的运维(LLMOps)讲的非常系统。
随着大语言模型的普及，未来的 Ops 肯定离不开 LLMOps ，甚至于需要专门的团队做 LLMOps。
文章中把 LLMOps 分成了几个关键步骤：
第 1 步：选择基础模型…
IT技术
( twitter.com)

1年前 • 宝玉 • -- 点击 0 评论

23

2

1

1

这是苹果对于 Apple Intelligence 背后技术的介绍视频，结合引用的的推文信息，他们的模型分成三层：
1. 本地模型
这部分包含语言模型和扩散模型，另外还有用来做 RAG 的 Semantic Index (语义索引)和 App Intents Toolbox（应用意图工具箱）。
其中语言模型是 3B…
IT技术
( twitter.com)

7个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:06:19

24

3

2

2

世界模型的概念是 Runway 先提出来的（至少从公开的信息来看），他们想打造一个超越纯文本大语言模型的世界模型，融合文本、音频、图像和视频，让模型自己拥有自己的心智图谱，理解真实世界的样子，探索世界中的“为什么”和“怎么办”。
结果 OpenAI 做了 Runway 想做还没做好的事情………
IT技术
( twitter.com)

11个月前 • 宝玉 • -- 点击 • 下载视频 0 评论

00:03:37

1
2
3
4
5
6
...
400
下一页

0.27794 Second , Gzip Enable.本网所有言论均来自网络，不代表本网站立场。联系方式: admin@bad.news

©2012.11.21 bad.news All rights reserved. 社区自动运营第 -- 年零 -- 天
This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

关注推特