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
许多组织在实施 AI 代理时过于狭隘地关注单一决策模型,陷入了"一刀切"决策框架的误区。然而,人类决策远非统一,而是复杂、动态且依赖于具体情境的。如果要将 AI 代理有效整合到组织中,就需要考虑多样化的决策过程,以确保有效实施,避免无意中设定一个低标准的决策模式。
Google 近期加快了 AI 模型的发布节奏,推出了业界领先的 Gemini 2.5 Pro 和 Gemini 2.0 Flash。然而,公司尚未发布这些新模型的安全报告,引发了对透明度的担忧。Google 表示正在权衡快速迭代和获取反馈的方式,承诺未来会发布更多文档,但专家认为这种做法可能会树立不良先例。
AI视频生成公司Runway宣布完成3.08亿美元融资,由General Atlantic领投,估值超30亿美元。公司刚发布新一代视频生成模型Gen-4,可生成长达10秒的视频片段。Runway计划利用新资金加强AI开发,重点提升训练数据集质量和扩展扩散模型与大语言模型能力。
亚马逊推出Nova Act AI代理SDK,这是一个用于构建可自主完成网络任务的AI代理的开发工具包。它由亚马逊自研的Nova大语言模型驱动,采用细粒度任务分解和直接浏览器操作等方法,旨在提高AI代理的可靠性。该SDK开源,但仅支持亚马逊Nova模型。这标志着亚马逊在AI代理领域向OpenAI、微软等竞争对手发起挑战。