Xinchen Lingo: modelo de voz universal de extremo a extremo 174

Xinchen Lingo es el primer modelo de IA de voz general de extremo a extremo desarrollado en China por el equipo de Westlake Xinchen (西湖心辰). Su principal ventaja reside en la capacidad de captar los sutiles cambios en la voz y comprender la información textual, las emociones, el tono y la entonación presentes en el habla. Xinchen Lingo no solo entiende las palabras del usuario, sino que también capta profundamente sus intenciones y emociones, dotando a la IA de una elevada inteligencia emocional. Este modelo destaca en el procesamiento de voz en chino e incluso supera a GPT-4o, y se aplica ampliamente en múltiples campos.

El modelo de voz Xinchen Lingo, desarrollado por el equipo de Westlake Xinchen, es el primer modelo de voz general de extremo a extremo creado en China. El 24 de agosto de 2024 abrió las reservas para pruebas internas y se presentó oficialmente el 5 de septiembre en la Conferencia del Bund (外滩大会). Además, está prevista la publicación en octubre de modelos de voz verticales entrenados en profundidad con Xinchen Lingo, orientados a acompañamiento infantil, apoyo psicológico y servicios de ventas, entre otros, lo que将进一步 impulsará la innovación y aplicación de la tecnología de voz con IA.

Funciones del modelo de voz de gran tamaño Xinchen Lingo:

• Comprensión de voz nativa: Xinchen Lingo no solo reconoce la información textual presente en la voz, sino que también capta características importantes como emociones, tono, entonación e incluso sonidos ambientales. Esto permite al modelo comprender el contenido de voz de forma más completa, ofreciendo así una experiencia de interacción más natural y vívida.

• Expresión en múltiples estilos de voz: según el contexto y las instrucciones del usuario, Xinchen Lingo puede ajustar de forma adaptativa la velocidad, el volumen y la intensidad del ruido de la voz, y es capaz de generar respuestas de voz en diversos estilos como diálogo, canto y crosstalk, lo que mejora eficazmente la flexibilidad y adaptabilidad del modelo en distintos escenarios de aplicación.

• Supercompresión de la modalidad de voz: emplea un códec de voz con una tasa de compresión de varios cientos de veces, reduciendo significativamente los costes de cómputo y almacenamiento, al tiempo que garantiza una salida de voz de alta calidad.

En comparación con los sistemas tradicionales de texto a voz (TTS), Xinchen Lingo, como modelo de voz de gran tamaño de extremo a extremo, integra todo el flujo de interacción, desde la entrada de voz hasta la retroalimentación de voz, ofreciendo a los usuarios una experiencia de interacción de voz más completa y fluida. Además, Xinchen Lingo cuenta técnicamente con capacidades como interrupción en tiempo real, control por指令 en tiempo real, ultra-antropomorfismo, y la habilidad de hablar y cantar, y ofrece un efecto de voz en chino superior al de GPT-4o.

Áreas de aplicación del modelo de voz de gran tamaño Xinchen Lingo:

• Educación: ofrece enseñanza inteligente con voz y asistencia para el aprendizaje.

• Finanzas: mejora la eficiencia y la satisfacción del servicio al cliente.

• Salud médica: se utiliza en consultas e intervenciones de salud mental.

• Gobierno y servicios públicos: proporciona servicios de voz inteligentes.

• Medios y entretenimiento: experiencias enriquecedoras de interacción por voz.

El lanzamiento de Xinchen Lingo marca un avance importante de China en el campo de la tecnología de voz. Logra una conexión perfecta de extremo a extremo, desde la entrada de voz hasta la salida de voz, capta los sutiles cambios en la voz y comprende las emociones del usuario. Comprende profundamente las intenciones del usuario y responde en una forma de voz igualmente rica. Esta tecnología de procesamiento de extremo a extremo颠覆 por completo los métodos tradicionales de procesamiento de voz. La aparición del modelo de voz de gran tamaño Xinchen Lingo no solo enriquece la profundidad y amplitud de la interacción humano-máquina, sino que también ofrece nuevas posibilidades para la exploración y la práctica de aplicaciones de voz inteligentes. Reduce en gran medida la pérdida de información durante el proceso de conversión, permitiendo que la "máquina" comprenda el lenguaje humano de forma más sutil y precisa, y ofreciendo una experiencia de interacción cercana a la humana.

Actualmente, el modelo de voz general de extremo a extremo Xinchen Lingo ya está abierto para reservas de prueba. Les invitamos a reservar y experimentarlo.

Noticias relacionadas:

Seed-ASR: modelo de reconocimiento automático de voz de ByteDance

Recomendación de 10 excelentes modelos de voz TTS de código abierto

Seed-TTS: modelo de texto a voz (TTS) de alta calidad desarrollado por ByteDance

Software de texto a voz