AI 助理
备案控制台
开发者社区 ModelScope模型即服务 语音 正文

生成的 wav 文件比较大模型调用层面可以控制文件大小吗？

已解决

生成的 wav 文件比较大模型调用层面可以控制文件大小吗？

我是用音频转换可以将大小压缩到原先的1/10 image.png image.png

展开
收起
语音合成-中文-多情感领域-16k-发音人Zhitian
大口吃饭饭啊 2023-02-24 10:21:52 438 分享 版权
1 条回答
写回答
取消 提交回答
  • 叫我饭啊啊
    推荐回答

    生成文件大小和文本有关，都是未压缩的，目前16k的模型大小是这样。我看到您这边自己进行mp3编码压缩了，这样应该也可以解决问题。

    2023-02-24 10:47:20
    赞同 展开评论
相关问答
语音
使用通义灵码生成读取文件内容的代码，但是生成的代码不能使用
116
1
0
对通义千问模型进行定制时只能上传json文件吗？可以上传word,pdf文件吗？
1016
1
0
使用通义灵码生成javabean类，使用新建文件功能遇到IDE报错
705
2
0
我用 通义 的实时记录 有些文件 我想删除 但是不知道怎么操作 ，翻了半天，也找不到。怎么办？
67
0
0
【BUG】通义灵码 agent 模式点击 accept 后重复保存文件
75
0
0
通义灵码，无法将py文件加入上下文
157
1
0
pycharm 通义灵码插件无法更改代码文件
186
1
0
对照cursor希望通义灵码完善的操作功能，1增加拖拽文件作为上下文，2.增加可自定义rules
254
2
0
目前通义灵码对jupyter notebook格式的文件支持不太好
252
2
0
通义灵码的“生成注释”功能生成的注释无法与文件中原有的人工注释区分，希望改进。比如改成//--
79
2
0
ModelScope模型即服务

语音

包括语音识别、语音合成、语音唤醒、声学设计及信号处理、声纹识别、音频事件检测等多个领域

我要提问

相关文章

  • AI终于能听懂宝宝说话了！ChildMandarin：智源研究院开源的低幼儿童中文语音数据集，覆盖22省方言
  • 覆盖16省方言的老人语音数据集！SeniorTalk：智源研究院开源全球首个超高龄老年人中文语音数据集
  • 自动生成+语音转写，办公必备！2025年智能会议纪要10＋工具！
  • 免费版的配音软件，支持童声男声女声不同声音选项，语音转文字软件推荐支持多种声音
  • 【语音识别】基于K近邻分类算法的语音情感识别（Matlab代码实现）

    • 热门讨论

    热门文章

  • 语音唤醒可以自定义唤醒词嘛？比如“小云，小云”换成自己的命令词？如何训练模型
  • 关于 Windows平台上 ttsfrd 库的问题。
  • 目录空间都删的只剩2G了，还报OSError: [Errno 122] Disk quota exc
  • modelscope上跑报错，提示要pip install ttsfrd，搞不定
  • KeyError: 'asr-inference is not in the pipelines r
  • linux系统运行TTS语音合成报错 Could not initialize NNPACK
  • 用python实现语音端点检测(Voice Activity Detection,VAD)
  • 魔搭modelscope按官方文档安装音频环境失败
  • 使用0.3.0版本的ttsfrd， coredump
  • ttsfrd 是不开源的吗
    • 展开全部
  • Dolphin：40语种+22方言！清华联合海天瑞声推出的语音识别大模型，识别精度超Whisper两代
  • FireRedASR：精准识别普通话、方言和歌曲歌词！小红书开源工业级自动语音识别模型
  • 3D-Speaker：阿里通义开源的多模态说话人识别项目，支持说话人识别、语种识别、多模态识别、说话人重叠检测和日志记录
  • CosyVoice 2.0：阿里开源升级版语音生成大模型，支持多语言和跨语言语音合成，提升发音和音色等的准确性
  • WhisperChain：开源 AI 实时语音转文字工具！自动消噪优化文本，效率翻倍
  • 三行代码实现实时语音转文本，支持自动断句和语音唤醒，用 RealtimeSTT 轻松创建高效语音 AI 助手
  • TIGER：清华突破性模型让AI「听觉」进化：参数量暴降94%，菜市场都能分离清晰人声
  • 百聆：集成Deepseek API及语音技术的开源AI语音对话助手，实时交互延迟低至800ms
  • SpeechGPT 2.0：复旦大学开源端到端 AI 实时语音交互模型，实现 200ms 以内延迟的实时交互
  • PaddleSpeech：百度飞桨开源语音处理神器，识别合成翻译全搞定
    • 展开全部
    还有其他疑问?
    咨询AI助理