跳到正文
  1. VoiceOver Herald79

    ElevenLabs 与 Mistral 发布多语言语音工具,配音授权成关键

    ElevenLabs 于 10 月 21 日发布 Eleven Realtime Translation,可让同一声音在 90 多种语言间实时转换;Mistral 同周发布 Voxtral 3,其 Pro Voice 据称可用 30 分钟音频跨 35 种以上语言保留说话特征。文章同时指出,工具能否使用某位配音演员的声音,取决于平台规则、录音合同及 SAG-AFTRA、日本演员工会等授权要求。

    推荐理由:两项语音模型发布直接扩大了配音、客服和本地化项目的可用能力,但声音授权、跨语言使用范围及付费条款已成为配音演员和制作团队必须前置核查的风险。

  1. Fish Speech77

    Fish Audio Drama 3 预发布:支持多角色与局部编辑的语音生成模型

    Fish Audio Drama 3 是一款将文本生成定向表演的开源语音模型,支持多参考声音克隆、自然语言导演指令、多轮重演、语音局部编辑、多角色场景、长文本与流式音频。模型采用35B-A3B混合线性注意力MoE骨干和codebook-MTP音频解码器,覆盖约80种语言和方言,输出44.1 kHz音频;预发布要求至少48 GB显存的NVIDIA GPU,并提供FP8与float16等运行方式。

    推荐理由:预发布模型覆盖多角色对话、按指令表演、轮次修订、局部编辑及长音频生成,并给出显存、语言和采样配置,对AI配音流程评估有直接参考价值。

  1. Piper TTS73

    Piper TTS v1.7.0 增加日语 phonemizer 与 libpiper API 选项

    Piper TTS v1.7.0 新增基于 OpenJTalk 的日语 phonemizer,训练时可通过 --data.phoneme_type japanese 使用 ja extra,语音配置中设置 "phonemize_type": "japanese" 后可进行日语合成。

    推荐理由:新增日语 phonemizer、全上下文音调解析及训练配置,并调整 libpiper C API,为日语语音训练、合成和现有调用方升级提供明确接口依据。

已经到底了