VoxLock

VoxLock模型可在无需注册的情况下提取语音代理的目标说话人声音

一款名为VoxLock的新型开源模型已被开发用于语音代理，旨在无需单独的注册步骤即可提取目标说话人的声音。该模型基于REAL-TSE，在真实世界录音上的词错误率（WER）显著低于未经处理的音频和其他测试系统。它可以在单个GPU上高效运行，延迟低，适合语音代理等实时应用，并可与Pipecat和LiveKit Agents等平台集成。