選擇語言
繁體中文
繁體中文 Traditional Chinese
简体中文
简体中文 Simplified Chinese
English
English English
日本語
日本語 Japanese
AI 助手

今日情報速問。不用選範圍,直接問今天值得看什麼。

完整分析

通知訊訊

暫無新訊訊

把语音生成、编辑、修复揉进一个模型里 腾讯混元开源了 AuK,想解决的不是单点配音,而是把文本转语音、语音编辑、增强、分离、说话风格调整等任务放进同一套自然语言指令框架里,用一句话加音频上下文就能驱动模型完成不同工作。 这项目的分量,一方面在能力整合:官网给出的任务族覆盖语音生成、内容编辑、增强与分离、副语言编辑和声学编辑;另一方面在数据规模:团队称构建了约30.3亿条指令-音频样本、195万小时有效监督,目标是把“做一个任务训一个模型”的老路,推进到更通用的语音基础模型范式。 对开发者来说,它不只是论文展示,仓库已放出源码、模型权重、微调脚本,还提供 Gradio、ComfyUI 和 SGLang Omni 支持,落地门槛比很多只发 demo 的项目低不少。 真正值得关注的是这个方向背后的判断:未来语音模型未必再按“合成、降噪、分离”各自割裂演进,而会越来越像一个可被语言统一调度的音频操作系统。

相關消訊