Podcastle 推出支持超过 450 种 AI 语音的文本转语音模型

播客录制和编辑平台 Podcastle 正式加入 AI 驱动的文本转语音竞争行列，发布了名为 Asyncflow v1.0 的 AI 模型。该公司还将为开发者提供 API 接口，使他们能够直接在应用程序中集成这一文本转语音模型。

借助这个新模型，该公司现可提供超过 450 种 AI 语音来朗读文本内容。公司表示，他们在开发技术和模型时特别注重降低训练和推理成本，这使他们在竞争中占据优势。

随着这一举措，Podcastle 加入了包括 ElevenLabs、Speechify 和 WellSaid 在内的初创公司行列，这些公司都开发了将各类文本转换为 AI 朗读语音片段的技术和 AI 模型。这项技术的应用范围涵盖营销、广告、内容创作、教育和企业培训等领域。

Podcastle 创始人 Arto Yeritsyan 在接受 TechCrunch 采访时表示，公司一直希望开发文本转语音模型，但训练成本和数据需求都很高。

"从成立之初，我们就想打造一个强大的文本转语音模型。然而，开发成本非常高。得益于近期大语言模型的发展，我们在去年取得了突破性进展，找到了一种无需海量数据就能构建高质量语音模型的方法，"Yeritsyan 说。

去年获得的 1350 万美元 A 轮融资也助力了公司的这项努力。

Yeritsyan 表示，Podcastle 为 500 分钟的文本转语音转换收取约 40 美元，而 ElevenLabs 则收取 99 美元。

Podcastle 的语音克隆功能也得到了升级，训练过程更加快捷。

此前，训练过程需要朗读大约 70 个不同的句子。现在，只需要几秒钟的录音就能创建声音克隆。新流程还使用了去年发布的 Magic Dust AI 技术来提升音频录制质量。

在我们的测试中，通过新流程创建的语音听起来有些机械感，但确实模仿了我们的语调。公司表示，这个功能会随时间不断改进。此外，用户可以训练不同的声音样本来获得不同的效果。

Podcastle 表示，除了成本优势外，在一个重新设计的网站中集成音频、视频、播客和 AI 驱动的朗读工具，将使其在竞争中脱颖而出。Yeritsyan 说，虽然大多数用户使用 Podcastle 处理音频内容，但视频内容的使用量也在快速增长。