Gradium 设计 16000 个声音后的经验:好 voice prompt 的五个要素
rdesh26 · x · 2026-11-19
语音 AI 公司 Gradium 分享构建声音目录的经验:从文字描述出发设计 16000+ 个声音,最终只保留约 1400 个。核心结论是「脑中的声音」与「得到的声音」差距往往只差几个词,好的 voice prompt 覆盖五个部分:
- 谁在说话(说话人身份)
- 角色(role)
- 口音(accent)
- 情绪(mood)
- 听感(how they sound)
文章还总结了模型能可靠听懂哪些词、为什么「台词本身才决定表演」,并附了可并排试听的样例。文中同时披露 Gradium 种子轮扩展至 1 亿美元,NVIDIA 参投。
「多模态」频道最新
- Nuplex 携真人演员数据打造 AI 人格 Nora,被赞 GPT-3 后最惊艳产品 — soleio · 2026-11-19
- NVIDIA 联手 Voxel51、Encord 直播演示 Cosmos Data Factory 生成训练数据 — NVIDIAAI · 2026-11-19
- AI 视频把 The Weeknd 换脸成 Michael Jackson,效果惊艳 — TMcFly · 2026-11-19
- AI 影片《Gods Don't Give Gifts》明年 1 月全球院线上映 — DavidmComfort · 2026-11-19
- 固定种子横评三家图像模型:Minimax H3 综合最强 — Engine_Hungry · 2026-11-19
- Suno 开放 MCP,可在 ChatGPT/Claude 里直接做歌和视觉 — suno · 2026-11-19