LAION 开源 Humaneness 语音转换模型,保留原表演的情感与节奏
lmoroney · x · 2026-10-13
LAION 在 Hugging Face 发布了基于 Chatterbox 的 Humaneness Voice Converter（10 月 11 日上线），这是一个语音到语音的转换模型：输入一段口述音频和目标说话人 5–10 秒的授权录音，即可在保留原录音的节奏、重音和情感的前提下，把内容转成目标音色。
要点：
- 完整推理 checkpoint：包含 Chatterbox S3 语音 token 提取器、CAMPPlus 说话人编码器、score 条件流解码器、HiFT 声码器和 Ears Medium 评分器，输出 24 kHz 音频（10 步流采样）。
- LAION 新增部分采用 CC BY 4.0 许可，上游 Chatterbox 组件保持 MIT。
- 在 40 条源音频的听感测试中，预测的 Content Enjoyment 从 6.169 升至 6.453，Production Quality 从 7.766 升至 8.009，情感误差下降；目标说话人相似度略有下降（0.821 → 0.773）。
- 尚无独立人工 MOS 或 WER 评测；训练语料含英语和德语，其他语言不保证质量。
- 模型卡要求仅使用授权声音、对转换后的语音进行披露、禁止用于冒充。
所属事件:LAION 开源 Humaneness 语音转换模型(2 条相关)→
「多模态」频道最新
- 用 Seedance 2.5 生成「喷火做饭」的龙，反差感拉满 — SimplyAnnisa · 2026-10-13
- Prime Video 全球上线全 AI 生成剧集《Çukur: Vartolu》 — lmoroney · 2026-10-13
- 本地模型角色一致性生成仍远落后 ChatGPT,实测多人不像 — tammy_orbit · 2026-10-13
- Krea 预告 Krea 3：官方发推暗示新品并提供早鸟内测 — ArttTaku · 2026-10-13
- 用海螺 H3mini 做图生视频：单参考图角色一致性忽好忽坏 — SigmaMegaMind · 2026-10-13
- Midjourney 意外角色风格配方：一组 sref 加 chaos 出怪诞毛绒人偶 — ciguleva · 2026-10-13