概念Native Audio
原生音频
一种端到端音频生成技术,模型直接以音频Token为输出单元进行生成,区别于传统TTS管道的文本-语音两阶段串联方式,具备更低延迟和更自然的情感表达
时间轴 (近 90 天)
11月13日
当前榜单头部模型已普遍支持原生音频生成,原生音频从差异化卖点变为头部模型的标配。
待验证50%
11月13日
若模型不支持原生音频生成,基本可以直接排除在主流视频生成选项之外。
待验证50%
10月28日
原生音频能保证声画事件的因果一致,但也显著增加序列长度与推理成本。
待验证50%