Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI语音

Answer

以下是一些人工智能音频初创公司的列表：

语音合成（TTS）：

  • coqui.ai：为所有人提供开放的语音技术。
  • Voiseed：基于 AI 的语音引擎能够模仿人类语音的情感和韵律。
  • Speechki：基于 NLP 的最先进文本和音频编辑平台，内置数百种 AI 声音。
  • MiSynth：使用突触技术和脑机接口将想象的声音转化为合成 MIDI 乐器的脑控仪器。
  • ElevenLabs：为出版商和创作者开发最具吸引力的 AI 语音软件。
  • Wondercraft：Wondercraft 使用户能够使用文本转语音技术生成播客。
  • play.ht：基于生成机器学习模型构建内容创作的未来。
  • Revocalize.ai：从网页仪表板或 VST 插件生成录音室质量的 AI 声音并训练 AI 语音模型。
  • morpheme.ai：演员优先、数字双重声音由最新的 AI 技术驱动，确保高效、真实和符合伦理。
  • adauris.ai：将书面内容转化为引人入胜的音频，并实现无缝分发。
  • Aflorithmic：专业音频、语音、声音和音乐的扩展服务。
  • Sonantic（被 Spotify 收购）：提供完全表达的 AI 生成语音，带来引人入胜的逼真表演。
  • kroop AI：利用合成媒体生成和检测，带来无限可能。
  • dubverse：一键使您的内容多语言化，触及更多人群。
  • Resemble.ai：生成听起来真实的 AI 声音。
  • Replica：为游戏、电影和元宇宙提供 AI 语音演员。
  • Respeecher：为内容创作者提供语音克隆服务。
  • amai：超逼真的文本转语音引擎。
  • AssemblyAI：使用单一 AI 驱动的 API 进行音频转录和理解。
  • DAISYS：听起来像真人的新声音。
  • WellSaid：从真实人的声音创建逼真的合成语音的文本转语音技术。
  • Deepsync：生成听起来完全像你的音频内容。

语音增强与操作：

  • Meaning：实时语音和口音转换流媒体服务。
  • krisp：为高效在线会议提供的 AI 驱动软件解决方案。
  • voicemod：免费的实时语音变换器。
  • audo：为创作者、开发者和虚拟会议提供的降噪产品。
  • AudioTelligence：软件在复杂声学环境中提升语音的清晰度和可懂度。
  • immersitech.io：不制作音频，让音频更好。
  • utterly：会议和音频的降噪。
  • claerity.ai：采用最先进的 AI 技术消除视频会议通话中的所有背景噪音。
  • Neural Love：一套 AI 驱动的音频质量增强工具。
  • HeardThat：将智能手机变成高级语音增强设备的应用程序。
  • Chatable：去除干扰性背景噪音的智能手机应用程序。
  • BdSound：用于音频和语音产品的智能音频解决方案。
  • echosonic：通过引入机器学习功能来革新麦克风。
  • Insoundz：生成式 AI 音频增强。
Content generated by AI large model, please carefully verify (powered by aily)

References

人工智能音频初创公司列表

[coqui.ai](https://coqui.ai/)-为所有人提供开放的语音技术。[Voiseed](https://www.voiseed.com/)-基于AI的语音引擎能够模仿人类语音的情感和韵律。[Speechki](https://speechki.io/)-基于NLP的最先进文本和音频编辑平台，内置数百种AI声音。[MiSynth](https://www.misynth.io/)-使用突触技术和脑机接口将想象的声音转化为合成MIDI乐器的脑控仪器。[ElevenLabs](https://elevenlabs.io/)-为出版商和创作者开发最具吸引力的AI语音软件。[Wondercraft](https://www.wondercraft.ai/)-Wondercraft使用户能够使用文本转语音技术生成播客。[play.ht](https://play.ht/)-基于生成机器学习模型构建内容创作的未来。[Revocalize.ai](https://www.revocalize.ai/)-从网页仪表板或VST插件生成录音室质量的AI声音并训练AI语音模型。[morpheme.ai](https://www.ethovox.ai/)-我们的演员优先、数字双重声音由最新的AI技术驱动，确保它们高效、真实和符合伦理。

人工智能音频初创公司列表

[adauris.ai](https://www.adauris.ai/)-将书面内容转化为引人入胜的音频，并实现无缝分发。[Aflorithmic](https://audiostack.ai/)-专业音频、语音、声音和音乐的扩展服务。[Sonantic](https://pr-newsroom-wp.appspot.com/2022-06-13/spotify-to-acquire-sonantic-an-ai-voice-platform/)（被Spotify收购）-提供完全表达的AI生成语音，带来引人入胜的逼真表演。[kroop AI](https://www.kroop.ai/)-利用合成媒体生成和检测，带来无限可能。[dubverse](https://dubverse.ai/)-一键使您的内容多语言化，触及更多人群。[Resemble.ai](https://www.resemble.ai/)-生成听起来真实的AI声音。[Replica](https://www.replicastudios.com/)-为游戏、电影和元宇宙提供AI语音演员。[Respeecher](https://www.respeecher.com/)-为内容创作者提供语音克隆服务。[amai](https://amai.io/)-超逼真的文本转语音引擎。[AssemblyAI](https://www.assemblyai.com/)-使用单一AI驱动的API进行音频转录和理解。[DAISYS](https://daisys.ai/)-听起来像真人的新声音。[WellSaid](https://wellsaidlabs.com/)-从真实人的声音创建逼真的合成语音的文本转语音技术。[Deepsync](https://dubpro.ai/)-生成听起来完全像你的音频内容。

人工智能音频初创公司列表

[Meaning](https://www.meaning.team/)-实时语音和口音转换流媒体服务。[krisp](https://krisp.ai/)-为高效在线会议提供的AI驱动软件解决方案。[voicemod](https://www.voicemod.net/)-免费的实时语音变换器。[audo](https://audo.ai/)-为创作者、开发者和虚拟会议提供的降噪产品。[AudioTelligence](https://audiotelligence.com/)-我们的软件在复杂声学环境中提升语音的清晰度和可懂度。[immersitech.io](https://immersitech.io/)-我们不制作音频，我们让音频更好。[utterly](https://www.utterly.app/)-会议和音频的降噪。[claerity.ai](https://www.claerity.ai/)-采用最先进的AI技术消除视频会议通话中的所有背景噪音。[Neural Love](https://neural.love/audio)-一套AI驱动的音频质量增强工具。[HeardThat](https://heardthat.ai/)-将智能手机变成高级语音增强设备的应用程序。[Chatable](https://chatableapps.com/)-去除干扰性背景噪音的智能手机应用程序。[BdSound](https://www.bdsound.com/)-用于音频和语音产品的智能音频解决方案。[echosonic](https://www.echosonic.ca/)-通过引入机器学习功能来革新麦克风。[Insoundz](https://insoundz.com/)-生成式AI音频增强。

Others are asking
有免费生成PPT的ai吗
以下是为您推荐的免费生成 PPT 的 AI 工具： 1. Gamma：在各种交流群中被频繁推荐，免费版本能生成质量很高的 PPT，经过不断优化和改进，能满足大多数用户需求。个人使用体验良好，生成效果在内容组织、设计美观度和整体专业感上都表现出色。 2. 歌者 PPT（gezhe.com）：是一款永久免费的智能 PPT 生成工具。具有一键生成 PPT 内容、支持多种文件格式转 PPT、多语言支持、海量模板和案例库、在线编辑和分享、增值服务等功能。其优势包括免费使用、智能易用、海量案例、资料转 PPT 专业、AI 翻译等。 3. 讯飞智文：免费，引导较好。 此外，还有一些付费的 PPT 生成工具，如百度文库，付费但质量好。同时也为您提供了一些相关的 PPT 生成网站，如 http://Chatppt.com（付费，自动化程度高）、http://Mindshow.fun（Markdown 导入）、http://Gamma.app（Markdown 导入）、http://Tome.app（AI 配图效果好）。
2025-01-08
有没有能做PPT的ai
以下是一些能做 PPT 的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，可根据需求选择不同风格和主题的模板，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供自动布局、图像选择和文本优化等智能设计功能，还包括互动元素和动画效果。网址：https://www.mindshow.fun/ 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用科大讯飞在语音识别和自然语言处理领域的技术优势，提供智能文本生成、语音输入、文档格式化等功能。网址：https://zhiwen.xfyun.cn/ 此外，国内的爱设计 PPT 也是值得推荐的选择。它背后拥有强大的团队，成功把握住了 AI 与 PPT 结合的市场机遇，已在国内 AI 生成 PPT 产品中确立了市场领先地位。 卓 sir 还分享了他使用 AI 制作 PPT 的经历，用到的 AI 工具包括 GPT4、WPS AI 和 chatPPT。
2025-01-08
如何想写论文，哪个ai app 更适合拿来使用呢
在论文写作方面，以下是一些适合使用的 AI 应用： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，便于管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术进行文本校对、语法修正和写作风格建议，提升语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，方便进行数据分析和可视化。 Knitro：用于数学建模和优化的软件，有助于复杂的数据分析和模型构建。 4. 论文结构和格式： LaTeX：虽不是纯粹的 AI 工具，但结合自动化和模板，能高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化论文编写。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 此外，对于组会准备工作，Claude 和 Gamma.app 是不错的选择。Claude 能帮助快速寻找符合条件的论文、提取精炼论文信息、找到适合的 PPT 制作工具并教会使用。 在 AI 文章排版工具方面： 1. Grammarly：不仅是语法和拼写检查工具，还提供排版功能，改进文档风格和流畅性。 2. QuillBot：AI 驱动的写作和排版工具，改进文本清晰度和流畅性。 3. Latex：广泛用于学术论文排版，使用标记语言描述格式，有许多 AI 辅助的编辑器和插件。 4. PandaDoc：文档自动化平台，使用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 5. Wordtune：AI 写作助手，重新表述和改进文本，使其更清晰专业。 6. Overleaf：在线 Latex 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 选择合适的工具取决于具体需求，如文档类型、出版标准和个人偏好。学术论文常用 Latex 和 Overleaf，一般文章和商业文档可用 Grammarly 和 PandaDoc 等。
2025-01-08
stable diffusion和国内的这些AI绘画的模型有什么区别
Stable Diffusion 和国内的 AI 绘画模型主要有以下区别： 1. 数据集和学习方式： 在线的国内模型可以访问庞大且不断更新扩展的数据集，还能实时从用户的弱监督学习中获得反馈，从而不断调整和优化绘画策略。而 Stable Diffusion 通常受限于本地设备的计算能力，其数据集和学习反馈相对有限。 2. 计算能力： 在线的国内模型能利用云计算资源进行大规模并行计算，加速模型的训练和推理过程。Stable Diffusion 受本地设备计算能力限制，性能可能不如在线模型。 3. 模型更新： 在线的国内模型可以随时获得最新的版本和功能更新，更好地适应不断变化的绘画风格和技巧。Stable Diffusion 的模型更新相对较慢。 4. 协同学习： 在线的国内模型可以从全球范围内的用户中学习，更好地理解各种绘画风格和技巧。Stable Diffusion 则只能依赖于有限的本地模型，对绘画可能性的了解可能不够全面。 例如，Niji·journey 5 在二次元角色设计领域就展现出比 Stable Diffusion 更强大的性能和实用性。同时，国内还有 DeepSeek、阿里巴巴的 Qwen2 系列、清华大学的 OpenBMB 项目等在不同方面表现出色的模型。
2025-01-08
零基础如何学AI
对于零基础学习 AI，您可以参考以下步骤： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，还有一些个人的学习经历供您参考： 二师兄来自上海，计算机零基础。2024 年 2 月在售后群接触到 AI 绘画，下载安装包和教学视频，迈出学习第一步。3 月啃完相关教程并开始炼丹。4 月与小伙伴探讨 AI 变现途径，5 月因工作变动在无硬件支持下继续学习。 参加「AI 编程共学」活动，包括 10 月 28 日麦橘的 0 基础做小游戏分享、10 月 29 日梦飞的 0 编程基础入门 Cursor 极简使用指南、10 月 30 日银海的 0 基础学做 AI 拍立得、10 月 31 日的 0 基础做小游戏分享等。
2025-01-08
AI前端开发
以下是关于 AI 前端开发的相关内容： 白九龄在 0 基础使用 Cursor 开发微信小程序时，遇到了诸多问题。如添加背景元素营造氛围、实现自适应和滑动效果、处理意图分析页面的信息展示和排版风格、生成海报时的字数显示和行数限制以及位置和视觉呈现的调整等。由于大模型自身的限制，无法很好地理解一些需求，导致开发过程中出错频繁。此外，还存在模型 token 费用和变现困难等问题。 Yeadon 以“Windsurf 学习共创社区”为例，演示了如何借助 AI 能力快速构建现代化 Web 应用。技术选型为 Vue + TypeScript，目标用户为零基础开发学习者，参考项目为 Cursor101。开发流程包括需求分析与代码生成、环境配置自动化、问题诊断与修复、界面优化与细节打磨、功能迭代与完善。在开发过程中，输入需求让 Windsurf 进行代码生成，可能会出现报错，将报错信息返回给 Cascade 进行自动检查和修复。之后对网页进行细节优化，如导航栏和首页。 齐码蓝开发一个可以承载离谱生物档案的网站，每个页面包含生物介绍、图片、头像、文字介绍，并支持打字和语音对话以及展示相关离谱事件。项目初始化与配置方面，推荐的技术栈包括前端的 React.js 或 Vue.js，后端的 Node.js 加上 Express.js，数据库选择 MongoDB，语音处理使用 Google Cloud SpeechtoText 和 TexttoSpeech API。开发环境配置方面，选择 Visual Studio Code 作为 IDE，安装 Node.js 时会一并安装 npm 用于管理项目依赖。项目目录结构可能如下所示。
2025-01-08
主流TTS-语音合成技术
语音合成（Speech Synthesis）是将文本转换为可听的声音信息，赋予了像人一样说话的能力，是人机交互的重要接口。一般而言，语音合成的概念比文语转换（TexttoSpeech，TTS）涵盖范围更广，包括 TTS、歌唱合成等领域，但多数情况下可混用。提供了一些端到端语音合成模型的样例，可感受目前语音合成的发展。 人类通过一整套发音器官合成语音，肺相当于动力源，喉相当于调制器，声道相当于滤波器，口唇相当于扩音器。研究人员提出以源滤波器（sourcefilter）模型为代表的多种模型建模该过程，语音中有清音和浊音，分别由声带周期性振动对应的周期声源和声带不振动时紊乱气流对应的非周期声源产生。 当代工业界主流语音合成系统包含文本前端和声学后端两部分。文本前端将输入文本转换为层次化的语音学表征，主要有文本规范化、韵律分析和文本转音素等模块。声学后端基于文本前端给出的层次化语言学表征生成语音，主要技术路线包括单元挑选波形拼接、统计参数和端到端语音合成方法，当代主要采用端到端声学后端。端到端声学后端通常包括声学模型和声码器两部分，也出现了直接从音素映射为波形的完全端到端语音合成系统。声学模型负责将语言学特征转换为中间声学特征（如梅尔频谱），直接决定合成语音的韵律；声码器将中间声学特征转换为语音波形，直接决定合成语音的音质。
2025-01-07
主流TTS-语音合成技术
语音合成（Speech Synthesis）是将文本转换为可听的声音信息，赋予了像人一样说话的能力，是人机交互的重要接口。一般而言，语音合成的概念比文语转换（TexttoSpeech，TTS）涵盖范围更广，包括 TTS、歌唱合成等领域，但多数情况下可混用。提供了一些端到端语音合成模型的样例，可感受目前语音合成的发展。 人类通过一整套发音器官合成语音，肺相当于动力源，喉相当于调制器，声道相当于滤波器，口唇相当于扩音器。研究人员提出以源滤波器（sourcefilter）模型为代表的多种模型建模该过程，语音中有清音和浊音，分别由声带周期性振动对应的周期声源和声带不振动时紊乱气流对应的非周期声源产生。 当代工业界主流语音合成系统包含文本前端和声学后端两部分。文本前端把输入文本转换为层次化的语音学表征，主要有文本规范化、韵律分析和文本转音素等模块。声学后端基于文本前端给出的层次化语言学表征（linguistics feature）生成语音，主要技术路线包括单元挑选波形拼接、统计参数和端到端语音合成方法，当代主要采用端到端声学后端。端到端声学后端通常包括声学模型和声码器两部分，也出现了直接从音素映射为波形的完全端到端语音合成系统。声学模型负责将语言学特征转换为中间声学特征（如梅尔频谱），直接决定合成语音的韵律；声码器将中间声学特征转换为语音波形，直接决定合成语音的音质。
2025-01-07
一个好玩的车载语音助手应该是什么样子的?
一个好玩的车载语音助手可以有以下特点和形式： Glowby Basic：能够让用户搭建一个拥有自己声音的 AI 语音助手，您可以通过 🔗https://github.com/glowbom/glowby 了解更多。 Dreamkeeper：在 AI 的帮助下记录并了解梦境。它使用多个 Gen AI 模型，具体流程为：由 ChatGPT 驱动的助手向用户提问以记住用户的梦，并根据回答调整内容；通过 Stable Diffusion 模型提取 ChatGPT 生成的关于用户梦境的摘要描述中的关键词来生成图像；将图像传输至图生视频模型创建基于用户梦境的动画；用 GPT 进行嵌入处理，将用户想要保留的梦保留在一个画廊中。您可以访问 🔗https://thedreamkeeper.co/ 进一步了解。 Andrej Karpathy 开发的 Awesome movies：这是一个电影搜索与推荐平台，搭建该网站共分三步，包括抓取自 1970 年以来的所有 11,768 部电影，从维基百科上抓取每部电影的简介和情节，并使用 OpenAI API（ada002）进行嵌入处理，最后将所有信息整合成一个电影搜索/推荐引擎网站。您可以通过 🔗https://awesomemovies.life/ 查看。
2025-01-06
语音转文字有哪些办法
以下是一些语音转文字的办法： 1. 利用 GVoice 提供的语音录制和识别能力，其中文识别率优秀。但需注意语音识别可能存在少量错误，不过 ChatGPT 通常能正常理解和纠错，衔接较为流畅。 2. 使用 Whisper API 时，默认仅支持小于 25MB 的文件。若音频文件更长，需将其分成小于 25MB 的块或使用压缩后格式，可使用 PyDub 开源 Python 软件包来拆分声频文件。 3. 对于 Whisper API，可以使用提示来提高生成的转录质量。例如，改善特定单词或缩略语的识别、保留分段文件的上下文、避免标点符号的省略、保留填充词汇、处理不同书写风格等。 希望这些信息能满足您的需求。
2025-01-04
有哪些 文本转语音的免费AI软件
以下是一些文本转语音的免费 AI 软件及相关的人工智能音频初创公司： 免费的文本转语音 AI 软件： 1. Eleven Labs：https://elevenlabs.io/ ，是一款功能强大且多功能的 AI 语音软件，能高保真地呈现人类语调和语调变化，并能根据上下文调整表达方式。 2. Speechify：https://speechify.com/ ，是一款人工智能驱动的文本转语音工具，可作为多种平台的应用使用，用于收听网页、文档、PDF 和有声读物等。 3. Azure AI Speech Studio：https://speech.microsoft.com/portal ，提供支持 100 多种语言和方言的语音转文本和文本转语音功能，还提供了自定义的语音模型。 4. Voicemaker：https://voicemaker.in/ ，可将文本转换为各种区域语言的语音，并允许创建自定义语音模型。 人工智能音频初创公司： 1. ，能将书面内容转化为引人入胜的音频，并实现无缝分发。 2. ，提供专业音频、语音、声音和音乐的扩展服务。 3. （被 Spotify 收购），提供完全表达的 AI 生成语音，带来引人入胜的逼真表演。 4. ，利用合成媒体生成和检测，带来无限可能。 5. ，一键使您的内容多语言化，触及更多人群。 6. ，生成听起来真实的 AI 声音。 7. ，为游戏、电影和元宇宙提供 AI 语音演员。 8. ，为内容创作者提供语音克隆服务。 9. ，超逼真的文本转语音引擎。 10. ，使用单一 AI 驱动的 API 进行音频转录和理解。 11. ，听起来像真人的新声音。 12. ，从真实人的声音创建逼真的合成语音的文本转语音技术。 13. ，生成听起来完全像你的音频内容。 14. ，为所有人提供开放的语音技术。 15. ，基于 AI 的语音引擎能够模仿人类语音的情感和韵律。 16. ，基于 NLP 的最先进文本和音频编辑平台，内置数百种 AI 声音。 17. ，使用突触技术和脑机接口将想象的声音转化为合成 MIDI 乐器的脑控仪器。 18. ，为出版商和创作者开发最具吸引力的 AI 语音软件。 19. ，Wondercraft 使用户能够使用文本转语音技术生成播客。 20. ，基于生成机器学习模型构建内容创作的未来。 21. ，从网页仪表板或 VST 插件生成录音室质量的 AI 声音并训练 AI 语音模型。 22. ，演员优先、数字双重声音由最新的 AI 技术驱动，确保高效、真实和符合伦理。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-01-04
端到端语音技术现在进展到什么程度了
端到端语音技术目前取得了显著进展。 在语音合成方面： 语音合成将文本转换为可听的声音信息，是人机交互的重要接口，一般包括 TTS、歌唱合成等领域。 当代工业界主流语音合成系统包括文本前端和声学后端两个部分。文本前端将输入文本转换为层次化的语音学表征，声学后端基于此生成语音，主要技术路线包括单元挑选波形拼接、统计参数和端到端语音合成方法，当代主要采用端到端声学后端。 端到端声学后端一般包括声学模型和声码器两部分，也出现了直接从音素映射为波形的完全端到端语音合成系统。 在全模态智能体方面： OpenAI 发布的 GPT4o 是新模型通过端到端的神经网络，把视觉、语音和文本数据混合训练，对音频输入的平均反应时间为 300 毫秒，与人类对话的反应时间相似。 直接拿音频数据来训练的好处是模型能从数据中感悟到人类表达的情绪、语调、风格等，能听到几乎真实的人类的声音。 OpenAI 未公开 GPT4o 的技术细节，唯一线索来自内部模型炼丹师的一篇博客，项目名是 AudioLM，目标是用端到端的方式扩大语音模型的能力。
2025-01-03