待验证50% 置信事实精确时间

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

1

来源数

50%

置信度

长期有效

时效性

2026/8/5

首次发现

来源

ChatGPT实时语音功能有多逼真？拟人程度令人发毛

相关事实

待验证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68% 相似待验证字节跳动的Seed Audio是其自研的多模态音频生成大模型，基于扩散模型与大规模音频预训练技术68% 相似待验证2016年WaveNet的出现标志着神经网络语音合成时代的开启68% 相似待验证端到端大模型由统一的多模态模型直接完成从语音输入到语音输出的全过程，规避流水线架构的信息损耗与累积延迟67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/692322

API

curl https://kongchang.com/api/v1/knowledge/claims/692322

MCP

get_claim(id=692322)