品玩10月29日讯,据Soul App 团队消息,Soul App AI 团队(Soul AI Lab)正式开源播客语音合成模型 SoulX-Podcast,该模型专为多人多轮对话场景打造,支持中、英、四川话、粤语等多语种 / 方言及笑声、清嗓等副语言元素生成,可稳定输出超 60 分钟自然流畅、角色切换准确的语音对话,在通用语音合成与零样本克隆场景表现亦佳。
模型具备零样本克隆多轮对话能力,能还原参考语音音色风格并适配语境调节韵律,还可实现跨方言克隆(如用普通话参考生成方言语音)。其开源资源包括 Demo 页面、技术报告、源代码及 HuggingFace 集合。
Soul 此前已布局语音大模型,此次开源旨在联合 AIGC 社区探索 AI 语音在内容创作与社交中的可能,未来将持续提升语音交互能力并深化开源生态。





0 条评论
请「登录」后评论