cherry 近日，西湖心辰推出心辰 Lingo 语音大模型，是国内首个端到端语音大模型，已于今天（8 月 24 日）开启内测预约。
在 8 月 21 日发布的公告中，官方介绍称相比较传统 TTS，端到端语音大模型则是一种更为全面的技术，它不仅可以语音识别，还集成了自然语言处理、意图识别、对话管理以及语音合成等多个环节，实现了从语音输入到语音反馈的完整交互过程，极大地丰富了人机交互的深度和广度。
心辰 Lingo 语音模型是国内首个能力追齐 GPT-4o 语音能力的模型，技术能力上具备以下三个显著特点：
- 原生的语音理解：作为端到端模型，心辰 Lingo 不仅能够识别语音中的文字信息，还能精确捕捉其他重要特征，如情感、语气、音调，甚至环境音，帮助模型更全面地理解语音内容，从而提供更加自然和生动的交互体验。
- 多种语音风格表达：心辰 Lingo 可以根据上下文和用户指令，自适应调整语音的速度、高低、噪声强度，并能够生成对话、歌唱、相声等多种风格的语音响应，有效提升了模型在不同应用场景下的灵活性和适应性。
- 语音模态超级压缩：心辰 Lingo 采用具有数百倍压缩率的语音编解码器，能够将语音压缩至极短的长度，在显著降低计算和存储成本的同时帮助模型生成高质量语音内容。
免责声明：素材源于网络，如有侵权，请联系删稿。
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
