跳到正文
只看一手#xAI
7月13日周一
  1. Vapi Blog58

    Vapi 拟人度指数：Grok TTS 得分 95，MiniMax Speech 2.5 得分 93，真人基准为 100

    Vapi 的拟人度指数是一个盲测众包排行榜，听众从两个克隆语音中选出听起来更像真人的那个。在超过 11,000 次投票后，xAI 的 Grok TTS 得分为 95，MiniMax Speech 2.5 得分为 93，而真人录音的得分为 100。每场对比中，各模型都使用相同的克隆语音和脚本，真人录音也被纳入对比集合，因此 95 分意味着在同一段引文上，听众选择 Grok TTS 的比例几乎与选择真人录音的比例相同。Vapi 认为，自然度已不再是语音智能体的瓶颈，因为来电者体验到的是声音本身，而非其背后的推理能力。

2025年4月24日周四
  1. Modal Blog22

    Lemon Slice 如何用 Modal 和 Daily 构建实时生成式视频

    Lemon Slice 构建了 Lemon Slice Live，这是一款用于与 AI 角色进行实时视频对话的产品，使用 Modal 和 Daily 的低延迟原语，实现端到端视频响应延迟 3-6 秒。该流水线在独立的 Modal 容器上运行 Pipecat 服务器和一个 10 亿参数的视频模型，这些容器通过 Modal 的 Tunnel 通信，并通过区域选择实现同地部署，由 Deepgram、Grok 和 ElevenLabs 负责语音转文本、LLM 响应和文本转语音。此前，两个 Python Modal Functions 让 Lemon Slice 扩展到每小时 10,000 次请求，而无需管理 ECS 集群、作业队列或负载均衡器。