ElevenLabs v4
PulseAugur coverage of ElevenLabs v4 — every cluster mentioning ElevenLabs v4 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AssemblyAI 发布面向语音代理的每百万字符 15 美元的 TTS API
AssemblyAI 推出了 AssemblyAI-TTS-1,这是一款专为实时电话呼叫中的语音代理设计的新型文本转语音 API。该服务以每百万字符 15 美元的价格提供具有竞争力的定价,并在自测中声称具有低延迟,首字节中位数为 47 毫秒。虽然它在实体准确性方面表现出与 ElevenLabs v4 相当的水平,但独立基准测试显示,与 Inworld TTS-2 Flash 等竞争对手相比,在延迟和自然度方面结果好坏参半。
-
Block 的 Dessa 语音模型可在本地模仿人类情感
Block(由 Jack Dorsey 创立的公司)开发了一款名为 Dessa 的新型本地语音模型,该模型能以惊人的准确度模仿人类语音,包括笑声和哭泣等表情。与许多依赖外部 LLM 和语音标签来表达情感的现有模型不同,Dessa 在人类语音基础上进行训练,并将情感细微差别直接融入其生成过程中。该模型可以在消费级硬件上运行,Block 正在寻找安全研究人员来测试其被滥用的可能性,尤其是在金融和商业应用领域。
-
EMA Lightning:发布了小巧、快速、准确的土耳其语 TTS 模型
一款名为 EMA Lightning 的新型紧凑型文本转语音模型已发布,在土耳其语生成方面具有惊人的准确性和速度。该模型采用 Diffusion Transformer 架构开发,其词错误率低于 ElevenLabs v4 和 Gemini 等成熟模型,甚至优于一个规模大得多的土耳其语 TTS 模型。EMA Lightning 设计高效,可在 GPU 或 CPU 上离线运行,并提供低延迟的实时流式传输功能。
-
Runway ML集成ElevenLabs v4以增强AI语音生成
Runway ML已将其平台集成了ElevenLabs的v4语音模型,增强了其在旁白和角色对话方面的能力。此次集成旨在为使用AI生成内容的用户提供更具表现力和更自然的语调。ElevenLabs v4模型现已与Runway现有的图像和视频生成工具套件一同提供。