待验证50% 置信事实精确时间

WaveGrad、DiffWave等扩散模型可直接生成语音波形，ElevenLabs等系统将扩散模型与说话人嵌入条件机制结合

1

来源数

50%

置信度

长期有效

时效性

2026/7/17

首次发现

来源

三秒克隆声音：AI语音诈骗为何防不胜防？

相关事实

待验证WaveNet是一种深度生成模型，直接在原始音频波形层面逐样本生成语音，使用因果卷积和扩张卷积结构捕获长距离音频依赖关系76% 相似待验证语音合成架构经历了从HMM隐马尔可夫模型到WaveNet、Tacotron，再到基于Transformer和扩散模型的演进75% 相似待验证Diffusers支持AudioLDM等音频扩散模型，能够根据文本描述生成音乐和音效73% 相似已验证新一代语音交互转向端到端的多模态模型架构，直接在语音信号层面理解和生成，压缩延迟并保留副语言信息70% 相似待验证新模型能感知说话者的音量、语气等副语言信息，并主动调大音量或切换状态69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/538995

API

curl https://kongchang.com/api/v1/knowledge/claims/538995

MCP

get_claim(id=538995)