喜马拉雅音频大模型升级,市北国际科创区将培育更多科技产业
最近,世界人工智能大会的市北高新展台上,喜马拉雅带着新一代音频大模型、全新智能创作平台“音剪AI”,以及好几款智能硬件产品亮了相。从现场反馈来看,这波操作确实有点意思。要知道,喜马拉雅音频大模型是全国首个通过国家网信办备案的音频生成类大模型,背后的自研TTS技术已经迭代了七代,累计产出的音频时长超过
最近,世界人工智能大会的市北高新展台上,喜马拉雅带着新一代音频大模型、全新智能创作平台“音剪AI”,以及好几款智能硬件产品亮了相。从现场反馈来看,这波操作确实有点意思。

要知道,喜马拉雅音频大模型是全国首个通过国家网信办备案的音频生成类大模型,背后的自研TTS技术已经迭代了七代,累计产出的音频时长超过1000万小时。这次展出的新版本叫“Audiobook-A2”,在“理解内容、生成声音、控制演绎”这三个维度上,提升幅度相当明显。
“传统的有声内容创作,基本靠人工从头到尾跑流程,步骤繁琐不说,操作门槛也不算低。但在喜马拉雅音频大模型加持下,一键就能生成多角色、有情感的高质量演播作品,速度能快上几十倍。”喜马拉雅珠峰实验室音色产品负责人徐昊在介绍时透露。

同期展出的“音剪AI”,正是以喜马拉雅音频大模型为底层模型的音频智能创作平台。对比之前版本,这次新增了“智能后期”和“音色分配”两个功能。前者能根据文本内容自动识别场景氛围和情绪变化,然后智能匹配音效、背景音乐甚至表演提示;后者则是基于文本内容,帮创作者梳理不同角色的性格特征和叙事身份,为旁白和各类角色推荐合适的音色,省去前期反复筛选和试音的时间。截至目前,“音剪AI”累计上线的有声角色音已经超过1万种,覆盖了多年龄、多角色类型。
上海市北高新集团党委书记、董事长孙中峰在现场表示:“从音剪AI到智能硬件产品,喜马拉雅正在构建覆盖多元场景的音频智能服务生态。这种软硬件协同的创新,充分展示了音频AI赛道的发展潜力。市北国际科创区会持续深耕科技产业培育,助力科技产业高质量发展。”
原标题:《喜马拉雅音频大模型升级,市北国际科创区将培育更多科技产业》
Photoshop 2026 是 Adobe 推出的专业图像处理与视觉设计软件,支持 Windows、macOS 和 iPad 等平台,广泛应用于摄影修图、电商设计、平面海报、数字绘画及视觉合成等创作场景。
Blender 是一款免费开源、跨平台的专业 3D 创作软件,集建模、动画、渲染、视频编辑与视觉合成等功能于一体,广泛应用于影视动画、游戏设计和建筑可视化等领域。软件支持 Cycles 物理渲染器与 Eevee 实时渲染引擎,并提供多边形建模、骨骼绑定、物理模拟等专业工具。Blender 兼容 Windows、macOS 和 Linux 系统,安装包轻巧、运行流畅,依托活跃的全球开发者社区持续更新,是从初学者到专业创作者都值得选择的正版 3D 创作工具。
Photoshop 2026 是 Adobe 推出的专业图像处理与视觉设计软件,支持 Windows、macOS 和 iPad 等平台,广泛应用于摄影修图、电商设计、平面海报、数字绘画及视觉合成等创作场景。
Blender 是一款免费开源、跨平台的专业 3D 创作软件,集建模、动画、渲染、视频编辑与视觉合成等功能于一体,广泛应用于影视动画、游戏设计和建筑可视化等领域。软件支持 Cycles 物理渲染器与 Eevee 实时渲染引擎,并提供多边形建模、骨骼绑定、物理模拟等专业工具。Blender 兼容 Windows、macOS 和 Linux 系统,安装包轻巧、运行流畅,依托活跃的全球开发者社区持续更新,是从初学者到专业创作者都值得选择的正版 3D 创作工具。















