国内长期缺乏优质的内容配音产品，要么依赖API，要么产品本身不错但声音模型不够理想。
以ElevenLabs为例，虽然其英语表现尚可，但中文表现则明显不足。开源模型的主要问题在于质量相对较差，具体表现为音质差，有明显的电流感，在多语言混合场景和多音多意字的准确表达上存在困难。
MiniMax近日推出的海螺AI国际版，一个月前上线了秒级语音克隆功能，中英文朗读效果出色。近期在国内页面上线了语音生成功能，体验后令人惊喜，支持超过17种语言的配音，能够精准控制多种情绪表达，并拥有数百种音色库以满足不同需求。
最值得一提的是音频质量非常高，声音生成的常见问题都得到了解决，同时提供了高度自定义选项，即便使用相同音色，通过调整也能呈现出不同的效果。
接下来，让我们先欣赏一下我制作的小短片，然后从功能和效果两方面来探讨海螺语音生成能力的表现。
### 详细的功能自定义选项
海螺语音的功能强大且细致，拥有超过17种语言的庞大音色库，每种语言又支持众多音色，用户可以自由选择男女声及年龄。
用户可以通过筛选快速找到所需的任何身份和年龄背景的音色，例如，如果视频脚本需要一个年迈而有正义感的老人，就可以通过筛选快速获取。
选择音色后，还可以对音色进行详细的自定义，包括情绪、语速、音量和声调等。通过这些自定义选项，用户可以调教出非常不同的声音，即使选择的是相同的音色，也能产生有趣的效果。
此外，还可以在需要停顿的地方添加标记，以使模型在生成声音时停顿指定的时间。
### 强大的生成效果
除了丰富的音色之外，海螺的模型本体也非常强大。许多开源TTS模型存在音质问题，如电流感、失真等，而海螺在这方面表现出色。
例如，我找了一段相对较长的内容进行口播稿生成，音质非常好，停顿自然，强调时读音加重。
海螺支持长内容生成，最长可输入10000字符，足以满足长稿子和小说的生成需求。
在多语言混合场景和多音字场景下，海螺也表现出色，例如，在一段包含5种不同语言的测试文本中，海螺读得非常完美。
这是多音字的场景，海螺准确地判断了“走一行”（háng），“先行”（xíng），“银行”（háng），“行程”（xíng）这几个不同位置的读音，处理复杂的多音字语句也非常出色。
介绍就到这里，大家可以多尝试使用。以下为使用链接：
- 海螺语音：https://hailuoai.com/audio
- Hailuo
- 国内API服务：https://platform.minimaxi.com/document/T2A%20V2
去年我还常和朋友讨论国内何时能出现像ElevenLabs这样强大的配音产品，如今我们已经取得了比ElevenLabs更出色的成果。过去一年，我们在图片、视频和音频领域都推出了与一流水准相媲美的模型，期待今年国内AI厂商能给我们带来更多惊喜。
暂无评论