近日,Soul App AI團(tuán)隊(duì)(Soul AI Lab)正式開源播客語(yǔ)音合成模型SoulX-Podcast。該模型是一款專為多人、多輪對(duì)話場(chǎng)景打造的語(yǔ)音生成模型,支持中、英、川、粵等多語(yǔ)種/方言與副語(yǔ)言風(fēng)格,能穩(wěn)定輸出超60分鐘、自然流暢、角色切換準(zhǔn)確、韻律起伏豐富的多輪語(yǔ)音對(duì)話。

【資料圖】

除了播客場(chǎng)景以外,SoulX-Podcast在通用語(yǔ)音合成或克隆場(chǎng)景下也表現(xiàn)出色,帶來(lái)更真實(shí)、更生動(dòng)的語(yǔ)音體驗(yàn)。

SoulX-Podcast表現(xiàn)

Demo Page:

https://soul-ailab.github.io/soulx-podcast

Technical Report:

https://arxiv.org/pdf/2510.23541

Source Code: https://github.com/Soul-AILab/SoulX-Podcast

HuggingFace: https://huggingface.co/collections/Soul-AILab/soulx-podcast

SoulX-Podcast亮點(diǎn):流暢自然多輪對(duì)話、多方言、超長(zhǎng)播客生成

零樣本克隆的多輪對(duì)話能力

在零樣本克隆播客生成場(chǎng)景中,SoulX-Podcast 展現(xiàn)出卓越的語(yǔ)音生成能力。它不僅能高度還原參考語(yǔ)音的音色與風(fēng)格,更能根據(jù)對(duì)話語(yǔ)境靈活調(diào)節(jié)韻律與節(jié)奏,讓每一段對(duì)話都自然流暢、富有節(jié)奏感。無(wú)論是多輪長(zhǎng)時(shí)對(duì)話,還是情感層次豐富的交流,SoulX-Podcast 都能保持聲音的連貫與表達(dá)的真實(shí)。此外,SoulX-Podcast 還支持笑聲、清嗓等多種副語(yǔ)言元素的可控生成,讓合成語(yǔ)音更具臨場(chǎng)感與表現(xiàn)力。

多語(yǔ)種和跨方言的克隆能力

除中英文外,SoulX-Podcast 同樣支持四川話、河南話、粵語(yǔ)等多種主流方言。更值得關(guān)注的是,SoulX-Podcast 實(shí)現(xiàn)了跨方言音色克隆——即便僅提供普通話的參考語(yǔ)音,模型也能靈活生成帶有四川話、河南話、粵語(yǔ)等方言特征的自然語(yǔ)音。

標(biāo)簽： 消費(fèi)導(dǎo)報(bào)網(wǎng) 24小時(shí)資訊