西湖心辰昨日发布了心辰 Lingo 语音大模型,号称是“国内首个端到端通用语音大模型”。
官方表示,针对心辰 Lingo 端到端语音大模型的能力,在多个领域和中文上进行增强,使得心辰 Lingo 的中文语音效果,相较 GPT-4o 更为出色。心辰 Lingo 于 8 月 24 日开启内测,至今已经有超千家企业用户预约测试。
相比较传统 TTS,端到端语音大模型则是一种更为全面的技术,不仅可以语音识别,还集成了自然语言处理、意图识别、对话管理以及语音合成等多个环节,实现了从语音输入到语音反馈的完整交互过程。
心辰 Lingo 语音模型技术能力上具备以下三个特点:
原生的语音理解:能够识别语音中的文字信息与其他重要特征,如情感、语气、音调等
多种语音风格表达:可以根据上下文和用户指令,自适应调整语音的速度、高低、噪声强度,并能够生成对话、歌唱、相声等多种风格的语音响应
语音模态超级压缩:采用具有数百倍压缩率的语音编解码器,降低计算和存储成本
AI在线注意到,目前心辰 Lingo 语音大模型仍需通过内测申请,申请链接如下:https://lingo.xinchenai.com/