15 秒语音片段就能合成某人声音，OpenAI 小规模开放 Voice Engine 模型

2024-03-30 11:50

感谢OpenAI 公司近日发布公告，有限开放 Voice Engine 的访问权限，该模型可以根据某人的 15 秒语音片段创建合成语音。OpenAI 在新闻稿中表示：“通过开放小规模部署，有助于我们按照现有方法、保障措施等推进产品落地，并在不断磨合、探索过程中思考，如何将 Voice Engine 用于各行各业”。OpenAI 公司表示，目前已经向教育技术公司 Age of Learning、视觉故事平台 HeyGen、前线健康软件制造商 Dimagi、人工智能通信应用开发商 Livox 和健康系统 Lifespa

感谢OpenAI 公司近日发布公告，有限开放 Voice Engine 的访问权限，该模型可以根据某人的 15 秒语音片段创建合成语音。

OpenAI 在新闻稿中表示：“通过开放小规模部署，有助于我们按照现有方法、保障措施等推进产品落地，并在不断磨合、探索过程中思考，如何将 Voice Engine 用于各行各业”。

15 秒语音片段就能合成某人声音，OpenAI 小规模开放 Voice Engine 模型

OpenAI 公司表示，目前已经向教育技术公司 Age of Learning、视觉故事平台 HeyGen、前线健康软件制造商 Dimagi、人工智能通信应用开发商 Livox 和健康系统 Lifespan 等公司开放访问。

在 OpenAI 发布的这些样本中，你可以听到 Age of Learning 利用该技术生成预制 voice-over 内容，以及向学生朗读由 GPT-4 撰写的“实时、个性化回复”。

IT之家附上参考地址

Navigating the Challenges and Opportunities of Synthetic Voices

OpenAI首次官宣语音项目，配音演员警报拉响

文本输入和一个 15 秒的音频样本就能生成与原始说话者非常相似的自然声音。今天，OpenAI 在语音领域又带给我们一点点震撼，通过文本输入以及一段 15 秒的音频示例，可以生成既自然又与原声极为接近的语音。值得注意的是，即使是小模型，只需一个 15 秒的样本，也能创造出富有情感且逼真的声音。OpenAI 将这个语音引擎命名为 Voice Engine，首次开发时间是 2022 年末，今天是 Voice Engine 预览版的首次亮相。下面为该语音引擎的一些早期示例，例如可以帮助用户翻译视频和播客等内容，输入一段原始

已预览一年，OpenAI 语音克隆服务 Voice Engine 仍未正式推出

去年三月底，OpenAI 宣布了一项名为 Voice Engine（声音引擎）的人工智能服务的“小规模预览”，声称该技术能够在仅需 15 秒语音的情况下克隆一个人的声音。然而，近一年过去，这项工具仍未正式推出，OpenAI 也未透露其是否会全面上线，以及何时上线。

智谱清言上线情感语音模型 GLM-4-Voice：可理解情感，有情绪表达和共鸣

智谱今天宣布上线 GLM-4-Voice 端到端情感语音模型。官方表示，其能够理解情感，有情绪表达、情感共鸣，可自助调节语速，支持多语言和方言，并且延时更低、可随时打断，用户即日起可在“智谱清言”App 上体验。据介绍，GLM-4-Voice 具备如下特点：情感表达和情感共鸣：声音有不同的情感和细腻的变化，如高兴、悲伤、生气、害怕等。

资讯热榜

DeepSeek+Drawio一键生成20多种图表，90%都不知道的技巧（附保姆级教程） Manus 内测启动：Monica 团队推出“通用 AI 代理”引发热议阿里新开源推理大模型QwQ-32B，性能媲美DeepSeek-R1、显存需求更小大模型系列：DeepSeek大模型与应用场景介绍视觉强化微调！DeepSeek R1技术成功迁移到多模态领域，全面开源三星Galaxy S25系列国行版接入DeepSeek-R1:AI能力全面升级 Monica团队出品全能AI智能体Manus爆了，Manus邀请码怎么搞？ Windsurf Wave 4版本发布：AI编程工具再升级更智能、更高效

标签云

15 秒语音片段就能合成某人声音，OpenAI 小规模开放 Voice Engine 模型

相关资讯

OpenAI首次官宣语音项目，配音演员警报拉响

已预览一年，OpenAI 语音克隆服务 Voice Engine 仍未正式推出

智谱清言上线情感语音模型 GLM-4-Voice：可理解情感，有情绪表达和共鸣