不想看内容，试试听推送吧！（该博客基于 MOSS-TTSD 合成） 播客、访谈、体育解说、新闻报道和电商直播中，语音对话已经无处不在。 当前的文本到语音（TTS）模型在单句或孤立段落的语音生成效果上取得了令人瞩目的进展，合成语音的自然度、清晰度和表现力都已显著提升，甚至接近真人水 平。不过，由于缺乏整体的对话情境，这些 TTS 模型仍然无法合成高质量的对话语音。 现在，历史时刻来到！上海创智学院、复旦大学和模思智能的 OpenMOSS 团队携手推出了革命性成果 —— MOSS-TTSD ！首次基于百万小时音频训练，成功破除 AI 播客的「恐怖谷」魔咒。 MOSS-TTSD-V0 全新释出，模型权重及推理代码全面开源，商业应用无障碍！ 与传统 TTS 模型只能生成单句语音不同，MOSS-TTSD 能够根据完整的多人对话文本，直接生成高质量对话语音，并准确捕捉对话中的韵律变化和语调特性，实 现超高拟人度的逼真对话语音合成。 接下来听听实测效果，并比较一下与其他 TTS 模型的听感差异。 中文播客示例 团队以奇绩「前沿信号研究体系」的每日推文作为内容，对比了豆包（商业产品）的播客生成与 MOSS-TTSD 的开源 ...

输入知识源：经典经济学论文 (PDF 链接: https://gwern.net/doc/statistics/decision/1951-nash.pdf) Zeqian Ju 投稿 量子位 | 公众号 QbitAI 英文播客示例: 仅听几秒人声，即可完成逼真复刻，而且是 对话式语音。 这就是 MoonCast ， 一款革新性的对话式语音合成模型， 目前已开源 。 MoonCast 的"人味"播客效果如何？立即试听以下示例音频，让耳朵告诉你答案。 (注：本文使用的所有音频仅用于展示，不代表任何真实事件或观点。禁止商用。） 中文播客示例: 输入知识源：诺贝尔物理学奖新闻稿 (URL 链接: https://www.nobelprize.org/prizes/physics/2024/press-release/) 生成一段地道的 相声 ，完全就是郭德纲于谦那味儿啊。 (注：本文使用的所有音频仅用于展示，不代表任何真实事件或观点。禁止商用。） 它专为高质量播客内容创作量身打造， 旨在将文档转化为引人入胜的播客音频。 这些对话无论是文本内容还是说话人音色，MoonCast在训 练时都从未见过。 这得 益于强大的 ...