IT之家 8 月 24 日消息，金科湯姆貓投資的西湖心辰于今年 8 月推出心辰 Lingo 語(yǔ)音大模型，是國(guó)內(nèi)首個(gè)端到端語(yǔ)音大模型，已于今天（8 月 24 日）開(kāi)啟內(nèi)測(cè)預(yù)約。
在 8 月 21 日發(fā)布的公告中，官方介紹稱相比較傳統(tǒng) TTS，端到端語(yǔ)音大模型則是一種更為全面的技術(shù)，它不僅可以語(yǔ)音識(shí)別，還集成了自然語(yǔ)言處理、意圖識(shí)別、對(duì)話管理以及語(yǔ)音合成等多個(gè)環(huán)節(jié)，實(shí)現(xiàn)了從語(yǔ)音輸入到語(yǔ)音反饋的完整交互過(guò)程，極大地豐富了人機(jī)交互的深度和廣度。
IT之家援引官方新聞稿，心辰 Lingo 語(yǔ)音模型是國(guó)內(nèi)首個(gè)能力追齊 GPT-4o 語(yǔ)音能力的模型，技術(shù)能力上具備以下三個(gè)顯著特點(diǎn)：
原生的語(yǔ)音理解：作為端到端模型，心辰 Lingo 不僅能夠識(shí)別語(yǔ)音中的文字信息，還能精確捕捉其他重要特征，如情感、語(yǔ)氣、音調(diào)，甚至環(huán)境音，幫助模型更全面地理解語(yǔ)音內(nèi)容，從而提供更加自然和生動(dòng)的交互體驗(yàn)。
多種語(yǔ)音風(fēng)格表達(dá)：心辰 Lingo 可以根據(jù)上下文和用戶指令，自適應(yīng)調(diào)整語(yǔ)音的速度、高低、噪聲強(qiáng)度，并能夠生成對(duì)話、歌唱、相聲等多種風(fēng)格的語(yǔ)音響應(yīng)，有效提升了模型在不同應(yīng)用場(chǎng)景下的靈活性和適應(yīng)性。
語(yǔ)音模態(tài)超級(jí)壓縮：心辰 Lingo 采用具有數(shù)百倍壓縮率的語(yǔ)音編解碼器，能夠?qū)⒄Z(yǔ)音壓縮至極短的長(zhǎng)度，在顯著降低計(jì)算和存儲(chǔ)成本的同時(shí)幫助模型生成高質(zhì)量語(yǔ)音內(nèi)容。
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。