ElevenLabs Flash v2.5
PulseAugur coverage of ElevenLabs Flash v2.5 — every cluster mentioning ElevenLabs Flash v2.5 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
TontaubeV1：新型TTS模型实现流式传输和自然韵律
研究人员开发了TontaubeV1，这是一种新颖的文本到语音模型，旨在平衡自然韵律和高效的流式传输能力。该模型利用分层DualCodec表示，分离语义和声学信息来预测话语时长并优化音频。TontaubeV1可以处理长达一分钟的参考音频进行语音调理，并在单个RTX 5090 GPU上实现约200毫秒的流式传输延迟。基准测试表明，其韵律质量可与ElevenLabs Flash v2.5相媲美，并优于其他领先模型。
-
《堡垒之夜》AI达斯·维达引发语音克隆工会争议
《堡垒之夜》已集成由AI驱动的达斯·维达，其声音由Google Gemini 2.0 Flash和ElevenLabs Flash v2.5生成，模仿了詹姆斯·厄尔·琼斯的声音。该功能于2025年5月16日推出，允许玩家招募并与维达对话，他的声音是对已故演员声音的重现。此项功能的实现面临美国演员工会-美国全国广播电视艺人联合会（SAG-AFTRA）的法律挑战，该工会就Epic Games在配音演员罢工期间未经适当协商使用AI生成配音作…
-
Mistral AI 和 X-Voice 通过新架构推进多语言语音克隆
研究人员推出 X-Voice，一个参数量为 0.4B 的紧凑型模型，能够进行30种语言的零样本跨语言语音克隆。该模型采用两阶段训练流程，结合了统一的国际音标表示和开源资源。另外，Mistral AI 发布了 Voxtral TTS，一个参数量为 4B 的大型模型，结合了自回归和流匹配架构，以解决文本到语音合成中的“表现力差距”。Voxtral TTS 可根据简短的音频提示生成自然、忠实于说话人声音的9种语言语音，并展现出优于现有系统的强劲性能。