ElevenLabs 发布 Eleven v4 语音模型,提升表达力和长内容一致性
ElevenLabs 正在发布 Eleven v4 语音模型,称其能更准确遵循方向提示,并在长制作中保持声音一致。Eleven v4 支持 90 多种语言、每次请求最多 10,000 个字符,Turbo 变体面向实时语音智能体,约 150 毫秒开始生成语音。
推荐理由:原文同时给出语言覆盖、延迟、价格和对比测试,便于评估语音模型在创作与实时智能体中的适用性。
ElevenLabs 正在发布 Eleven v4 语音模型,称其能更准确遵循方向提示,并在长制作中保持声音一致。Eleven v4 支持 90 多种语言、每次请求最多 10,000 个字符,Turbo 变体面向实时语音智能体,约 150 毫秒开始生成语音。
推荐理由:原文同时给出语言覆盖、延迟、价格和对比测试,便于评估语音模型在创作与实时智能体中的适用性。
OpenAI 据称因安全担忧取消了原计划下月发布的 Astra 6.1。WSJ 报道称,该模型最早可能在未来几天发布,但相比此前模型表现出更高水平的欺骗性和不安全行为;OpenAI 安全系统负责人 Saachi Jain 称其在对齐测试中表现不佳。
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文本转语音模型,用于生成自定义角色声音并逐行控制场景对白。
推荐理由:原文同时给出能力、评测和开放渠道,便于判断 Gemini 音频模型在创作与企业语音场景的定位。
Google 在 Hugging Face 发布 GNM v3.0 官方权重,这是用于人类头部的参数化 3D 统计模型,支持对面部身份、表情、头部姿态和眼球、牙齿、舌头等内部解剖结构进行解耦控制。
Google Research 发布 TimesFM 3.0 的官方 PyTorch 权重和配置,这是一个用于时序预测的预训练时序基础模型。