Нейросеть для голоса StepAudio: синтез речи в реальном времени
StepFun выпустила голосовую модель StepAudio 2.5 Realtime с полностью кастомизируемыми persona. Модель понимает паралингвистику (интонация, эмоции), поддерживает китайский и английский, подключается через WebSocket. На тестах апреля заняла первое место по всем параметрам.
AI-обработка оригинала MarkTechPost; редакция Hamidun News
Вышла голосовая нейросеть StepAudio 2.5 Realtime — целостная система для работы с голосом, объединяющая распознавание и синтез речи с поддержкой кастомизируемых persona для ролеплея.
Что такое StepAudio?
Это целостная система для работы с голосом, объединяющая распознавание и синтез речи, подключаемая через WebSocket API и работающая в реальном времени с минимальной задержкой.
Какие языки поддерживает нейросеть StepAudio?
Модель поддерживает китайский и английский язык.
Хотите не читать про ИИ, а внедрить его?
«AI News» — это полезные новости из мира ИИ. Системно научиться работать с нейросетями и применять их в работе — в Hamidun Academy.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.