Amphion 推出开源 TTS 模型 MaskGCT，5 秒克隆声音；神秘文生图模型「小熊猫」登顶竞技场丨 RTE 开发者日报

开发者朋友们大家好：

这里是 「RTE 开发者日报」 ，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@SSN，@鲍勃

01 有话题的新闻

1、MaskGCT：Amphion 系统推出开源 TTS 大模型，5 秒语音实现跨语言声音克隆新突破

近日，香港中文大学（深圳）联手趣丸科技推出了新一代大规模声音克隆 TTS 模型——MaskGCT。该模型在包含 10 万小时多语言数据的 Emilia 数据集上进行训练，展现出超自然的语音克隆、风格迁移以及跨语种生成能力，同时保持了较强的稳定性。MaskGCT 已在香港中文大学（深圳）与上海人工智能实验室联合开发的开源系统 Amphion 发布。

据介绍，MaskGCT 在三个 TTS 基准数据集上都达到了 SOTA 效果，性能超过当前最先进的同类模型。

相较于现有的 TTS 大模型，MaskGCT 在语音的相似度、质量和稳定性上进一步突破，尤其在语音相似度方面处于绝对领先地位。显著特点如下：

秒级超逼真的声音克隆：提供 3 秒音频样本即可复刻人类、动漫、「耳边细语」等任意音色，且能完整复刻语调、风格和情感。更精细可控的语音生成：可灵活调整生成语音的长度、语速和情绪，支持通过编辑文本编辑语音，并保持韵律、音色等方面的极度一致。高质量多语种语音数据集：训练于香港中文大学（深圳）和趣丸科技等机构联合推出的 10 万小时数据集 Emilia，是全球最大且最为多样的高质量多语种语音数据集之一，精通中英日韩法德 6 种语言的跨语种合成。( @Amphion)

2、ElevenLabs 雇佣收购稍后阅读 app Omnivore

语音合成技术见长的人工智能公司 ElevenLabs 最近雇佣收购了开源待读应用程序 Omnivore 背后的团队。

在一篇博客文章中，Omnivore 的联合创始人 Jackson Harper 和 Hongbo Wu 表示，加入 ElevenLabs 将为他们提供「一个更大的平台，以便为严肃读者创造无障碍且富有吸引力的体验」。

Harper 和 Wu 写道：「ElevenLabs 致力于开发者社区，Omnivore 的代码库将保持 100%开源，供所有用户使用。」这一决定确保更广泛的开发社区能够继续发展和改进 Omnivore 的技术。

Omnivore 的用户可以在 11 月 16 日前导出他们的数据，届时这些数据将被删除。

Harper 和 Wu 于 2021 年创办了 Omnivore，旨在为他们所称的「热爱文字的人」提供一个「稍后阅读」的解决方案。Omnivore 是一个功能齐全的平台，具备高亮显示、PDF 支持和离线功能，提供网站、iOS 和 Android 应用程序，还包括适用于所有主流网络浏览器的扩展。Omnivore 还提供由 ElevenLabs 语音生成 API 支持的文本转语音功能。

Harper 和 Wu 提到：「我们通过将 ElevenLabs 超逼真的人工智能语音整合至 Omnivore，深入了解了他们的技术。」很快，利用 ElevenLabs 的声音来收听文章和书籍成为了我们在 Omnivore 中最受欢迎的功能之一。

在转投 ElevenLabs 后，Harper 和 Wu 表示他们将把开发精力集中于 ElevenLabs 自有的阅读器应用程序 ElevenReader 上。ElevenReader 于今年早些时候推出，用户可以上传文章、PDF 文件和电子书，并通过不同的语言和声音（如朱迪·加兰和詹姆斯·迪恩等演员的声音）进行收听。

ElevenLabs 在今年早些时候从包括 Andreessen Horowitz 在内的投资者处筹集了 8000 万美元，成为一家独角兽公司。据 TechCrunch 本月报道，该公司正在与投资者接洽新一轮融资事宜，预计该轮融资可能使公司估值达到约 30 亿美元。(@TechCrunch)

3、神秘模型「小熊猫」一夜刷屏：排名超 Flux、Midjourney

「red_panda」神秘模型登顶文生图竞技场，引发广泛猜测。其生成效果优异，胜率高达 79%。

网友对其来源众说纷纭，猜测包括 Midjourney V7、中杯 Stable Diffusion 3.5、甚至 OpenAI 的 DALL-E 4，以及中国厂商的可能性。目前，red_panda 仍占据榜首，备受关注。（@IT 之家）

4、GitHub Copilot 进驻 Windows Terminal 和苹果 Xcode，助力开发者效率提升

在 GitHub Universe 大会上，GitHub 宣布了备受期待的 GitHub Copilot 重大更新，该智能代码助手将登陆 Windows Terminal 和 Xcode 开发环境。

首先，GitHub Copilot 将登陆 Windows Terminal。通过与 Windows Terminal Canary 版本中的终端聊天功能结合，开发者可以直接在终端内获得来自 Copilot 的命令建议和解释。此功能适用于所有 Copilot 个人版、商业版和企业版用户。

同时，GitHub Copilot for Xcode 也迎来了公开预览版。这将让使用 Xcode 的苹果开发者享受与其他集成开发环境 （IDE） 用户相同的智能编码辅助功能。在公开预览版中，Copilot for Xcode 提供了以下特性：

代码补全：Copilot 无缝嵌入 Xcode，在你键入代码时提供实时建议。多语言支持：支持 Swift 和 Objective-C 等苹果生态系统常用编程语言，确保所有开发者都能受益于 Copilot 的智能辅助。多行建议：默认情况下，Copilot 会显示单行建议。按住 Option 键并按下 Option + Tab 键，可以接受完整的多行建议。内容过滤：Copilot 提供高级过滤器，可以筛除有害或不恰当的内容建议，确保所有代码符合专业标准并营造安全、尊重的编码环境。阻止匹配公共代码的代码块建议：你可以选择激活重复检测过滤器，该过滤器会阻止与 GitHub 上的公共代码相匹配的代码块建议。除了 Windows Terminal 和 Xcode 支持之外，GitHub 还为 Copilot 带来了其他新功能。全新的 Copilot 访问必应功能使 VS Code、Visual Studio 和 GitHub.com 中的 Copilot 聊天室支持网络搜索。开发者可以通过此功能轻松讨论最近发生的事件、新发展、趋势和技术，例如询问「Typescript 的最新版本是什么？」或「Node.js 下次重大更新何时发布？」目前，该功能仅对 Copilot 商业版和企业版用户开放。（@IT 之家）

5、腾讯推出 AI 笔记，可搜公众号文章

腾讯近日推出 ima copilot AI 工具，可以搜索微信公众号文章中的内容。

在 ima copilot 的搜索框内键入搜索关键字，即可引用一些微信公众号的文章生成回答，支持深度模式、脑图生成等功能。除了搜索想要的内容，ima copilot 也能作为 AI 浏览器，总结网站内容。ima copilot 也支持 500 页和 100MB 内的本地文档总结。

除了搜索内容，用户还可以用 ima copilot 生成 1GB 的专属知识库，可以上传本地文档和网页。

ima copilot 还支持 AI 笔记功能，在完成 AI 搜索、总结后，可以将生成的结果导入笔记之中，进行进一步 AI 写作和解读。(@APPSO)

02 有态度的观点

1、Anthropic CEO：强大的 AI 将在 21 世纪为我们带来什么？

Anthropic CEO Dario Amodei 预测，凭借强大的 AI 的力量，生物学和医学将加速进步，在未来 5-10 年内实现原本需要 50-100 年的成果。他称这一现象为「压缩的 21 世纪」，即 AI 能够让人类在几年内取得整整一个世纪的生物医学成就。

Amodei 还认为，若 AI 的逻辑被推向极致，最终将引导人类走向法治、民主和启蒙价值观。虽然这一进程并非必然，但从统计趋势来看，AI 将加速人类正向这些目标前进的步伐，让方向更加清晰，目标更加明确。

相较于在真实神经网络上的实验，人工神经网络的实验要容易得多，因为前者通常需要对动物大脑进行解剖。因此，可解释性可能会成为深入理解神经科学的有力工具。同时，AI 在智能系统训练方面的知识应该能够推动神经科学领域的变革，尽管目前尚不确定这一变革是否已经发生。(@Z potentials)

写在最后：

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。

素材来源官方媒体/网络新闻