近日,Soul App张璐团队在AI语音交互领域取得进展。其主导开源的语音合成模型SoulX-Podcast,在发布次日便登顶全球最大AI开源社区Hugging Face的TTS(从文本到语音)模型趋势榜首位,并在社区总趋势榜单中排名持续攀升,引发了行业内的广泛关注与讨论。

Hugging Face作为全球顶尖的开源社区,汇聚了超过百万的开发者与研究人员,是各类前沿AI模型发布与验证的重要平台。社区成员通过实际使用与评估,推动性能优秀、实用性强的模型脱颖而出。SoulX-Podcast模型上线后迅速获得开发者社区的认可,跻身趋势榜首,这不仅反映了市场对更智能、更自然AI语音对话技术的期待,也印证了该模型本身具备的技术吸引力与创新价值。
此次引发关注的SoulX-Podcast模型,是Soul App旗下AI团队(Soul AI Lab)与西北工业大学ASLP@NPU团队、上海交通大学X-LANCE Lab团队共同合作的成果。该模型专为处理多人参与、多轮次交替的复杂对话场景而设计。它的一大特色在于支持中文、英文、四川方言、粤语等多种语言及方言的生成,并能模拟包含笑声、叹息等在内的副语言风格,从而极大地增强了语音表达的生动性与真实感。在技术表现上,该模型能够稳定生成超过60分钟的自然流畅语音,且在长对话中角色切换准确,韵律节奏富有变化,有效提升了语音内容的沉浸感。

在传统语音合成技术的应用中,模型难以应对多人、多轮对话的复杂场景,往往会存在上下文衔接不自然、情感与风格表达缺失、以及模拟真实对话中细微语气起伏能力不足等问题。这些技术瓶颈在一定程度上制约了人机交互体验的提升。而SoulX-Podcast模型的研发,正是针对上述挑战展开。其在模拟播客对话、通用语音合成及声音克隆等场景下所展现出的出色能力,特别是所生成语音的生动性与真实感,成为其在开源社区迅速走红的主要原因。
与此同时,SoulX-Podcast模型在AI开发者社群与技术爱好者中引发了积极反响,许多从业者对国产语音合成模型所达到的技术水平表示了认可。Hugging Face的首席执行官Clément Delangue也注意到了这一模型,并在社交平台上转发了相关的技术讨论内容,进一步扩大了该模型的国际影响力。

此次开源模型SoulX-Podcast登顶Hugging Face趋势榜,显示出Soul在推进AI与社交融合的技术探索道路上迈出了坚实的一步。通过将前沿研究成果向全球开发者开放,Soul张璐团队不仅展示了自身的技术积累,也为整个AI语音交互领域的技术进步提供了新的动力。