跳到正文

#多模态

今日 0 条
10月7日周三
10月6日周二
  1. Ask HN22

    Ask HN:有没有基于文本和参考音频生成声音的 AI 模型?

    一位开发者在 Ask HN 上求助,寻找能同时接受参考音频和文本指令、输出新声音的 AI 模型,用于基于少量干净样本生成新音效。他试过 ElevenLabs SFX,但该产品只支持 text-to-audio、无法用参考音频引导;也试过号称支持该功能的 Stable Audio 3,结果很差。他认为这一模态仍停留在图像生成 2016 年的水平。