据 Beating 称，Xiaomi 的 AI Lab Kaldi 团队已开源 OmniVoice，这是一种零样本语音克隆 TTS 模型，支持 646 种语言。该模型仅需几秒钟的参考音频即可克隆语音特征，并可跨语言工作——同一个声音能够合成普通话、日语、韩语以及其他语言的语音。所有代码、权重和训练数据均在 Apache-2.0 许可下开源。
OmniVoice 采用简化架构，使用单个双向 Transformer，直接将文本映射到离散的声学标记，从而在 PyTorch 中实现比实时快 40 倍的推理速度。该模型在来自 50 个开源数据集的 580,000 小时音频上进行训练。在对 24 种测试语言的评估中，OmniVoice 在语音相似度和可懂度方面优于商业系统；在 102 种语言中，它与人类录音相当或表现更好。
免责声明：本页面信息可能来自第三方，不代表 Gate 的观点或意见。页面显示的内容仅供参考，不构成任何财务、投资或法律建议。Gate 对信息的准确性、完整性不作保证，对因使用本信息而产生的任何损失不承担责任。虚拟资产投资属高风险行为，价格波动剧烈，您可能损失全部投资本金。请充分了解相关风险，并根据自身财务状况和风险承受能力谨慎决策。具体内容详见
声明。
相关文章
Video Rebirth 推出 BACH AI 工具，可进行最长 30 秒的多镜头视频生成
视频 Rebirth 于 5 月 7 日上线了 BACH，这是一个工具，可从文本提示词和参考图像生成最长 30 秒的多镜头视频。该工具可在各个镜头中保持角色一致性，遵循相机指令，并生成带有音效、画外音和
GateNews2小时前
Tether 发布 QVAC MedPsy 医疗 AI 模型，在 17B 参数版本上取得 62.62 分
据 Odaily，Tether AI Research Group 发布了 QVAC MedPsy，一种面向医疗的 AI 模型，旨在无需云端依赖、可在智能手机和可穿戴设备上本地运行。该 17 亿参数版本在七项医学基准测试中得分 62.62，较 Google 的 MedGemma-1.5-4B 高出 11.42 poi
GateNews3小时前
TCV 领投 $160M Corgi 保险初创公司的 B 轮融资
Corgi，这家总部位于美国的企业保险初创公司，于 5 月 6 日宣布已完成由 TCV 领投的 B 轮融资，融资额为 1.6 亿美元，估值为 13 亿美元（据 TechCrunch）。本轮融资还包括 Kindred Ventures、Leblon Capital 和 First Order Fund。这使 Corgi 的累计融资额达到 2.68 亿
Crypto Frontier11小时前
B.AI 在 5 月 7 日用户数突破 170 万，并推出奖励计划
据 B.AI 称，AI 基础设施平台在 5 月 7 日用户数突破 170 万。该平台聚焦隐私保护和代理经济基础设施，向新用户注册即提供 50 万个免费积分，并在所有模型上实行零加价定价，同时推出限时 1:1，
GateNews11小时前
Osome 削减 70+ 个岗位，并通过 AI 转型将 EBITDA 提升 50%
据 Tech in Asia 称，总部位于新加坡的企业管理平台 Osome 在过去两年中裁减了 70 多个岗位，同时部署 AI 来处理合规任务，例如记录交易和处理发票。首席执行官 Eugenio Ferrante 表示，公司将营收增长放缓了，i
GateNews15小时前
施耐德电气今年将在马来西亚开放东南亚培训中心，AI 工具将能耗降低 2%-3%
据路透社报道，施耐德电气计划今年在马来西亚开设一个面向东南亚的培训中心，以应对该地区因 AI 基础设施扩张带来的电力需求上升。该中心将培训合作伙伴和客户，内容涵盖能源管理系统和数据中心设备。施耐德'
GateNews15小时前
