待验证50% 置信发布精确时间

腾讯开源了一款语音生成与编辑模型，可用自然语言修改录音内容并保留旋律和原始音色，基础模型为15亿参数，并提供四步推理的Flash蒸馏版，代码和权重已公开

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/10

首次发现

有效期至：2027/1/8

来源

DeepSeek V4.1 Flash发布 Suno v6支持局部改歌

涉及实体

相关事实

待验证插件包含通义千问的语音合成节点、语音设计节点以及语音克隆节点，语音克隆节点可自动下载模型74% 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74% 相似待验证字节豆包发布了Seed Audio 1.0音频生成模型73% 相似已验证Whisper是OpenAI于2022年开源的自动语音识别模型，采用Transformer架构，在68万小时多语言音频数据上训练而成73% 相似待验证Whisper 音频先被转换为 80 维梅尔频谱图，经卷积层下采样后送入编码器生成特征序列，再由解码器以自回归方式逐 token 输出文本73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/993511

API

curl https://kongchang.com/api/v1/knowledge/claims/993511

MCP

get_claim(id=993511)