S
SkillNav

SwanVoice：面向独白与对话的表现力零样本语音合成

深度2026年6月4日33 分钟阅读
本文首次实现了单模型同时支持长文独白和多说话人对话的零样本语音合成，并引入对话专用评测基准。适合语音合成、人机交互领域的研究者阅读，尤其关注长文本表现力和多说话人场景的读者。
本文编译自 SwanVoice: Expressive Long-Form Zero-Shot Speech Synthesis for Both Monologue and Dialogue，版权归原作者所有。

觉得有用？分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察，每周更新。

关注 @skillnav_dev →阅读周刊

相关文章

AI写GPU内核提速18倍，自动化正加速渗透经济

Fable 系统在 KernelBench-Mega 上编写了首个真正的 megakernel，速度提升 18.71 倍，预示 AI 研发自动化临近；Remote Labor Index 显示 AI 对在线项目自动化成功率已升至 16.1%，且增长迅速；OSWORLD 2.0 推出更复杂的计算机操作基准，任务中位数耗时 1.6 小时，当前最强 AI 仅达 20.6%；京东公布 Oxygen AIIC 系统，用深度学习管理数十亿 SKU 的库存。

深度·7月6日·4 分钟

微软、AWS 砸数十亿，不是为模型而是为部署

微软、AWS、Anthropic 和 OpenAI 纷纷建立嵌入式工程团队，帮助客户部署 AI。模型质量差距缩小，部署和客户粘性成为竞争关键。企业采购时应关注系统所有权和退出成本。

深度The New Stack·7月5日·7 分钟

评论