[控场AI]
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%

全部知识事实 (3)

来源文章