待验证50% 置信事实精确时间

主流图文配对数据集（如 LAION-5B）已达到数十亿量级，而同等规模的音频-自然语言描述配对数据集至今仍未出现

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/7

首次发现

有效期至：2027/1/5

来源

文本+参考音频生成AI音效：现状与可行方案

涉及实体

LAION-5Bconcept

相关事实

待验证高质量的音频-文本标注数据远比图像稀缺，是音频生成发展滞后于视觉领域的结构性原因之一64% 相似待验证一款中等规模RPG全语音本地化支持5种语言的费用通常在数百万美元量级61% 相似待验证多层音频码本的有效组合空间可达数十亿，远超通常为数万到十万量级的文本词表，增加了安全对齐的难度60% 相似待验证大规模多语言语音数据集（如MLS、Common Voice）和统一语音表征方法推动了端到端多语言TTS模型的涌现60% 相似待验证Audio Overview功能的单次音频生成的GPU时间可能是一次文本查询的数十倍59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/982689

API

curl https://kongchang.com/api/v1/knowledge/claims/982689

MCP

get_claim(id=982689)