Microsoft MAI-Voice-2
摘要
微软发布了 MAI-Voice-2，这是一款支持 15 种语言语音克隆的表现力丰富的文本转语音系统。
<p>
支持15种语言语音克隆的富有表现力的TTS系统
</p>
<p>
<a href="https://www.producthunt.com/products/mai-image-2-3?utm_campaign=producthunt-atom-posts-feed&utm_medium=rss-feed&utm_source=producthunt-atom-posts-feed">讨论</a>
|
<a href="https://www.producthunt.com/r/p/1163789?app_id=339">链接</a>
</p>
相似文章
微软测试新的 MAI Realtime 语音模型（2分钟阅读）
微软正在其 MAI Playground 上以早期访问形式测试一款新的原生实时语音模型 MAI Realtime。该全双工系统支持多种语言、低延迟和可配置的轮流对话，定位为 OpenAI GPT Live 和 Sesame 的竞争对手。
微软推出全新 MAI-Image 和 MAI-Voice（2 分钟阅读）
微软宣布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 公开预览，这是其最新专为图像和语音场景构建的生成式 AI 模型，现已上线 Azure AI，并为必应图像创建器等微软产品提供支持。
微软发布VibeVoice-ASR-Streaming流式语音识别模型
微软发布VibeVoice-ASR-Streaming，这是一款统一的流式自动语音识别模型，能够转录说话人身份，并支持自定义热词和10种语言。
Microsoft 首个流式转录模型在 Artificial Analysis 上登顶第一（4 分钟阅读）
Microsoft AI 发布首个流式转录模型 MAI-Transcribe-2-Streaming（在 Artificial Analysis 上排名准确度第一，支持 60 种语言、100ms 部分结果延迟），同时推出 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 语音合成模型，面向低延迟对话式语音智能体场景。
k2-fsa/OmniVoice
OmniVoice 是一款大规模多语言零样本文本转语音模型，支持超过 600 种语言，基于扩散语言模型架构构建，具备快速推理和语音克隆能力。