Minimax到达顶部，许多初创公司都筹集了资金。
作者：365bet体育投注日期：2025/06/08 浏览：
资料来源：Chuangyebang的作者丨Zhang Kairan编辑丨Yin Guanxiao图片来源丨MidJourneyin 2月，我们选择了著名电影和电视剧《 Zhen Huan的传奇》中的片段来测试4 AI语音综合模型在情感表达中的表现。当时的结论是，AI语音模型的表达仍然不够，仍然需要加强。此后不久，4月12日，Minimax推出了最新版本的演讲生成模型Speech-02。 5月15日，模型系列中的Speech-02-HD还带领两个关键清单，人工评论，对舞台进行了人工评论，并拥抱了Face TTS竞技场。在技术指标方面，Speech-02-HD不仅会导致竞争对手达到了客观指标，例如错字率和声音相似性，而且在Thosessubibnibexive盲目的聆听试验中也取得了良好的结果。此外，自上次注意到以来，在AI语音轨道上，许多产品已经启动。例如，3月11日，加利福尼亚Rtesia完成了6400万美元的AI轮融资； 3月29日，休ume AI完成了5000万美元的融资。除了急于筹集资金的初创公司外，主要制造商还彼此结束。 Inilunsad ng Amazon Ang Nova Sonic，Isinama rin ng Google ang isang malakas na Modelo ng boses sa veo3。根据行的实际线路，VOO3语音功能令人惊讶。随着技术的年龄较大，AI声音开始更快，更深入地穿透不同的应用情况。因此，在此时，为了在某些情况下测试当前的语音模型性能，我们选择了三个场景托特的代表正在如火如荼地进行，包括实时流媒体，语音集成，音频书籍以及TTS实现场景的三位代表。根据模型列表，读者的建议等，测试了5种语音模型，以及由Minimax推出的Speech-02-HD，由阿里巴巴推出的Cosyvoice2，Alibaba启动，配音X，Hangzhou Zhisheng Yuehe由模型以及Elevenlabs和芝麻开发，进行另一项测试。测试方法：根据最终测试，我们在实施三种AI声音的实施中扩展了特定情况，包括实时流媒体，语音集成和音频书籍，以便AI可以为三种情况，情感AI通信能力的基本试验和适应能力产生音频。在开发测试声音时，一组将能够根据预设的情感（11 -is -isthis -this -this -this and芝麻模型，都不情感标签）集中精力。 SenseVoice可以识别语音情绪，该情感被用作试验测试的标准|图像来源：ModelsCope开发了测试音频后，它将首先使用阿里巴巴启动的开源语音模型。 SenseVoice（在MODG中使用Elscope在平台上）用于测试目的，如果符合预设，则输出将传递。然后，邀请了来自社论部门的五个同事进行主观测试。 ReviEWER为AI性能得分1-5分。如果平均值超过3，则被认为是通过的。注1：在测试产品（型号）中，Minimax，Dubbingx，11和芝麻均通过其官方网站表格审判声音。由于阿里巴巴的Cosyvoice2是一种开放的资源模型，因此Ginagagait是连接到Cosyvoice2的第三方平台“ Shumeng”。注2：由于这两种模型在中文场景中的表现较差，因此在预测试中，我们在音频书籍场景中设计了英语测试，以专门测试这两种产品的性能。中文有声读物：配音垂直产品dubbingx更好地执行。最后测试了“ Zhen Huan的传奇”，每个模型在“快乐”状态下表现良好，在两种“愤怒和悲伤”的情绪中非常困难。因此，在音频书中对场景的测试中，我们使用了两个知名的水边缘场景，“林的富根庙”和“ Wu Song哭泣的兄弟”以音频书的形式重写它们来测试分别在“愤怒”和“悲伤”情绪中的每个AI模型的表现。愤怒测试的内容：Gao Yanei！ Myou是一个bully！即使我，林郑，也不是像你这样的pambuly！我允许你三分，我尊重你的力量；如果您急于破坏我的无辜并伤害了我的生命，我将与您战斗！悲伤的情绪测试内容：兄弟！你死了很多！您吞咽了愤怒，一生都遭受了痛苦，但最终被杀害，甚至没有理性的地方！我的歌曲肯定会报仇我的兄弟！注意：标记为红色的标记是模型。根据测试，这三种产品通过了客观测试。在主观测试中，仅CosyVoice2的平均得分少于三分。从两种模型的Conch和Dubbingx的性能来看，人们认为它比最终测试要好得多。这两种模型均可通过一层恢复Lin Chong的愤怒层。虽然仍然存在差距真正的人，应该达到“福利”的目的。读者还可以自己聆听许多产品的性能以配合它们。在悲伤的场景中，五月 - 塞特（May set）在他哥哥的坟墓面前选择了吴宋的供词。在情感方面，上半场往往会感到悲伤，下半部分是悲伤的 +愤怒，这被认为是复合情绪的片段。但是在这个剪辑中，只有dubbingx才能在这种情况下达到通过的水平，而在以前一直表现的minimax从未通过客观测试。 dubbingx可以很好地表现，也许是由于深刻的情感优化。其他产品的情感标签不仅仅是幸福，悲伤和愤怒等情绪的差异。 Dubbingx也适用于大型情绪类别下的各种小情况。情感标签，专门针对复合情绪场景。在这些情况下，杜宾X会显然发挥作用。英文有声读物：通过简单的设置，全军被淘汰。在英语场景中，我们在“蒙特克里斯托伯爵”中选择了一个独白。主角很生气，想在得知自己的框架和监禁后要报仇。 “第四年 - 被困在那个地牢中，冻结，饥饿，被遗忘。我在黑暗中低声说出你的名字，梅赛德斯。我要求正义。在英语有声读物的场景中，三个模型执行了一个小的Maalso，它们都没有表现出强烈的愤怒和动力。这三个产品中的任何一个都没有通过主观测试的三点传球线。此外，由于Elevenlabs或芝麻的官方网站都没有“情感标签”，因此AI输出更糟，并且尚未通过客观测试。在工程设计中，只有11个可以通过一些“滑块”来调整速度，稳定性，均匀性，样式和其他相对抽象的声音参数。尽管这些参数可以优化SOU的情感表达在一定程度上，它们的数量无法调整，从而导致了我们试验中11个表现相对较差。 May使用ElevenLabs设置了YouTuber，以广播Audiobook的音频。在专业Tagalikha的手法上，最好在英语有声读物场景中表演。实时流销销售：情感交流的通过，场景适应不良的销售场景：“姐妹，这个瓶子真的关闭了！现在，直播室直接购买了最低的价格，只有39元可以用来正式磨损！在实时流式销售中！在现场流式销售中，所有三个模型都通过了客观的测试，但是他们都通过了“情感”来实现“情绪”。没有显示现场直播锚的节奏和节奏。d。 AI集成场景：性能是平均值。 “ Alam Kong Nalunungkot ka ngayon。 Mawala，Tulad ng Madilim na ulap ay kalaunan ay mawala，Ang araw ay sumisikat sa iyong buhay。在AI集成的最后一幕中，即使他们仍然有AI感受，这三个AI模型的表现也更好。但是它可以传达热和积极的情绪并适应现场，因此许多法官都取得了很大的印记。与最终测试相比，TOC仍然缺乏供应，TOB开始爆炸。五月的认为，经过几个月的发展，AI的声音“情感交流方面有很小的发展，但没有多Muanti”。那些可以获得通过或以上的人实际上是带有单一情绪和gi的测试剪辑正确的情感标签被认为是一个“简单的问题，开放式考试”。当遇到复杂的情况时，简单的情感标签无法覆盖，或者直播销售（例如强烈的情感表达）只能发展声音声音的声音的声音，AI仍然无法做到。中文）。-标记情感和人工智能表现更糟。当将AI语音API调用实际产品设计时，如何确保输出语音情感？注意：在这里我们使用11个示例。其他产品相似|白鲸出国生产，但是在实际应用中，如果您希望AI声音适应实际情况，则开发人员将需要进行更多的工程优化。因此，作者咨询了AI集成领域的实用线。他说，当产品连接到API时，开发人员将为许多传统情绪提交预设的声音。用户输入后，该算法将首先DE终止用户的情感输入，我将处于相应的情绪中，将其转换为参数，最后在API平台上恢复“ BO Typesses +情感参数”，并将它们与预设结合以生成正确的语音，以确保输出语音尽可能满足。注意：此表仅涉及许多AI语音产品正式宣布的技术合作。在TOB领域，AI的语音生成技术在上面的视频中显示的不同AI -Bota Maya语音助手中广泛存在。 上一篇：黑色喜剧游戏收藏的前十名需要玩黑色喜剧游戏
下一篇：没有了
下一篇：没有了
相关文章
- 2025/06/08实施了香港的2024年Stablecoin法规，第一批
- 2025/06/073D平台游戏集合大多数估计3D平台游戏排名
- 2025/06/07由Gaode发布
- 2025/06/06这三场比赛值得玩哪种比赛？前十名应该
- 2025/06/06TCL空调广州智能制造工业公园项目Xifeng
客户经理