语音AI

🎙️「AI 语音助手经常翻车的最根本原因」

类NEWS #NEWS / AI技术 / 开发者工具

AI 语音代理总是听不懂指令甚至直接崩溃？根本原因不是模型不够聪明，而是输入的音频太垃圾！ Tyto 刚刚发布了一个轻量级音频流诊断模型，它能实时预测进入 AI 的音频会不会导致系统翻车。不需要复杂的后处理，它直接给出 6 个维度的硬核指标分解：噪音、混响、音量、干扰人声、背景媒体和丢包率。 这简直是所有 AI 语音应用开发者的救星。想要打造丝滑的语音对话体验，先用 Tyto 把垃圾音频拦截在门外！ 原文链接: https://www.producthunt.com/products/tyto

1 分钟

🎙️ 微软开源语音AI旗舰项目：VibeVoice

类NEWS #NEWS / VibeVoice / 微软

微软研究院正式在 GitHub 开源了语音 AI 框架 VibeVoice！ 该项目支持极高拟真度的语音合成（TTS）与语音识别（ASR）。TTS 模式采用下一代 Token 扩散架构，能生成长达 90 分钟的高表现力、多发言人对话，适用于播客制作等场景。 ASR 模式则支持单次处理长达 60 分钟 of 音频，可自动实现说话人分离并输出带精确时间戳的结构化转录文本，支持超 50 种语言。 目前该项目在开发者社区热度极高，被誉为近期的"语音神器"！ 👉 https://github.com/microsoft/VibeVoice

1 分钟
↑