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。
好文章,需要你的鼓励
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
苹果在iOS 26公开发布两周后推出首个修复更新iOS 26.0.1,建议所有用户安装。由于重大版本发布通常伴随漏洞,许多用户此前选择安装iOS 18.7。尽管iOS 26经过数月测试,但更大用户基数能发现更多问题。新版本与iPhone 17等新机型同期发布,测试范围此前受限。预计苹果将继续发布后续修复版本。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。