1 分•作者: leoyixing•6 个月前
Hi HN,
我是 VoGen 的开发者 [<a href="https://vogen.app" rel="nofollow">https://vogen.app</a>]。
我一直对人工智能技术的发展感到着迷,但我发现大多数现有的表达情感的工具都需要昂贵的订阅才能使用。我开发 VoGen 是为了探索如何让 AI 声音更“人性化”且更易于使用。
功能:
语音克隆:您可以使用 3-60 秒的样本克隆声音。它在清晰的、单人录音下效果最佳。
情感 TTS:您可以选择“高兴”、“愤怒”、“悲伤”等情感,而不是平淡的语调。
双语支持:目前支持英语和普通话。
隐私优先的工具:我还添加了一个基于浏览器的音频变速器,它在本地处理文件——对于该特定工具,任何音频数据都不会离开您的机器。
技术栈:前端使用 React.js 构建,并部署在 Vercel 上。对于语音引擎,我使用定制的管道,专注于低延迟推理,同时保持高保真度。
为什么是免费的?目前,VoGen 仍处于早期阶段(MVP)。我想看看人们如何使用它,以及社区对声音质量的期望,然后再考虑盈利。
隐私声明:我知道语音数据的敏感性。我们不会使用您上传的克隆样本来训练我们的基础模型。
我很乐意听取 HN 社区的反馈。无论是关于延迟、情感的自然度,还是 UI/UX,我都洗耳恭听。
哪些功能会让它对您的工作流程更有用?