跳至正文
只看一手#xAI
7月13日星期一
  1. Vapi Blog58

    Vapi 擬真度指數：Grok TTS 獲 95 分，MiniMax Speech 2.5 獲 93 分，真人錄音為 100 分

    Vapi 的擬真度指數是一項盲測群眾外包排行榜，由聽眾從兩段克隆語音中選出哪一段聽起來更像真人。在超過 11,000 票之後，xAI 的 Grok TTS 獲 95 分，MiniMax Speech 2.5 獲 93 分，而真人錄音為 100 分。每場對決中，各模型都使用相同的克隆語音與腳本，且真人錄音也納入比較組，因此 95 分意味著聽眾在同一段引文上選擇 Grok TTS 的比例幾乎與選擇真人相同。Vapi 主張自然度已不再是語音代理的瓶頸，因為來電者實際體驗到的是聲音，而非其背後的推理能力。

2025年4月24日星期四
  1. Modal Blog22

    Lemon Slice 如何用 Modal 和 Daily 打造即時生成式影片

    Lemon Slice 打造了 Lemon Slice Live，這是一款能與 AI 角色進行即時視訊對話的產品，運用 Modal 和 Daily 的低延遲基礎元件，達到端到端視訊回應延遲 3-6 秒。此管線在各自獨立的 Modal 容器上執行 Pipecat 伺服器與 1B 參數的影片模型，兩者透過 Modal 的 Tunnel 通訊，並藉由區域選擇機制部署在同一區域；語音轉文字、LLM 回應與文字轉語音則分別由 Deepgram、Grok 和 ElevenLabs 處理。更早之前，兩個 Python Modal Functions 讓 Lemon Slice 得以擴展到每小時 10,000 次請求，而無需管理 ECS 叢集、工作佇列或負載平衡器。