Fish Agent V0.1 3B

12个月前发布 18 00

Fish Agent V0.1 3B是一个开创性的语音转语音模型,能够以前所未有的精确度捕捉和生成环境音频信息。该模型采用了无语义标记架构,消除了传统语义编码器/解码器的需求。此外,它还是一个尖端的文本到语音(TTS)模型,训练数据涵盖了700,000小时的多语言音频内容。作为Qwen-2.5-3B-Instruct的继续预训练版本,它在...

收录时间:
2025-05-30
Fish Agent V0.1 3BFish Agent V0.1 3B

Fish Agent V0.1 3B是一个开创性的语音转语音模型,能够以前所未有的精确度捕捉和生成环境音频信息。该模型采用了无语义标记架构,消除了传统语义编码器/解码器的需求。此外,它还是一个尖端的文本到语音(TTS)模型,训练数据涵盖了700,000小时的多语言音频内容。作为Qwen-2.5-3B-Instruct的继续预训练版本,它在200B语音和文本标记上进行了训练。该模型支持包括英语、中文在内的8种语言,每种语言的训练数据量不同,其中英语和中文各约300,000小时,其他语言各约20,000小时。

数据统计

相关导航

Voice Cursor

Voice Cursor

Voice Cursor是一个基于Gemini 2.0原生音频能力的实验性文本编辑器,它展示了如何将Gemini的新文本到语音API集成到文本编辑器中,以实现流畅、上下文的声音生成。这个项目不仅展示了Gemini 2.0的强大新功能,还提供了一个实际应用的示例,允许开发者和用户探索和利用这一新技术。产品背景信息包括Google Creative Lab的创新项目,旨在推动技术边界并提供新的交互方式。产品目前是免费的,主要面向开发者和技术爱好者,适合那些寻求创新解决方案以提高生产力和无障碍访问的个人或团队。
ElevenLabs Projects

ElevenLabs Projects

ElevenLabs Projects 是一个专注于长音频内容制作的平台,它允许用户将书籍和脚本转换成有声书和播客。该产品支持多种文件格式,拥有广泛的语音库,并提供情感范围和上下文适应的AI语音技术。它还提供了一系列高级功能,如多语言支持、特定文本片段的语音分配和片段编辑。ElevenLabs Projects 以其高质量的AI音频技术,帮助创作者和企业在全球范围内传播他们的故事。
Text to Santa Videos by Gan.AI

Text to Santa Videos by Gan.AI

Text to Santa Videos by Gan.AI是一个在线平台,允许用户创建个性化的圣诞老人视频,为亲人和朋友带去节日的问候。该平台通过节日主题的虚拟形象、个性化剧本和直接发送到邮箱的视频,提供了一种新颖的个性化视频制作和分享方式。它结合了最新的人工智能技术,如文本到语音和头像APIs,以及视频录制和个性化功能,使得用户可以大规模地录制和个性化视频。产品背景信息显示,该平台已经为成千上万的客户生成了数百万视频,并且具有强大的功能,如AI唇形同步和声音克隆、免费视频录制器、AI着陆页等。价格方面,用户可以免费开始使用,具体定价信息需要访问官方网站查询。
Kompas AI

Kompas AI

Kompas AI 是一款基于人工智能技术的写作辅助工具,旨在帮助用户快速生成高质量的报告和内容。它通过智能算法分析用户输入的主题和需求,结合丰富的数据资源,提供精准的写作建议和内容生成服务。该产品的主要优点是能够显著提高写作效率,减少人工撰写的时间和精力。其背景信息显示,该工具面向需要快速生成报告的用户,如学生、研究人员和商业人士。目前,该产品的具体价格和定位尚未明确,但其功能强大,具有较高的市场潜力。

暂无评论

您必须登录才能参与评论!
立即登录
none
暂无评论...