模型介绍

VAL v2

概述

VAL v2 是我们最新一代的语音合成模型。相比 VAL v1,它全面支持 44.1kHz 录音棚级高品质输出,并在各个场景和语言下的情感表现力、稳定性、相似度、自然度与语义感知能力上实现了进一步提升,为您带来更为惊艳的音频生成效果。

VAL v2 更新内容

🎧 44.1kHz 录音棚级音质

高品质模式下支持输出 44.1kHz 录音棚级音质。整体音频的通透度、音质以及声音细节的表现力均大幅提升,满足更为严苛的专业制作需求。

🧠 核心能力全面提升

对比 VAL v1,VAL v2 在各个场景和语言的文本与角色上,都能生成情感表现力、稳定性、相似度、自然度、语义感知更强的音频结果,让您的声音创作与应用效果更上一层楼。

延续的核心能力

VAL v2 完整保留并强化了 VAL 系列的各项能力:

• 多语言与方言: 支持中文、粤语、英语、日语、韩语、法语、德语、西班牙语、葡萄牙语,以及这些语言总计 30 余种口音与方言变体;同一角色可跨语言生成,并保留其音色、口音与发声方式等特征
• 影视级表现: 情感张力、相似度、稳定性、自然度与语义理解达到影视级水准,嘶吼、Rap、撒娇、ASMR 等复杂细腻的表现均可胜任
• 情感可控: 可主动控制每段内容的情感表现,并支持按比例混合多种情感;即使样本是平淡的朗读,也能为其赋予丰富情感
• 样本复刻: 除人声特征外,还能智能还原样本的背景声学特征(空间感、混响、音量等),让生成内容更贴近原声质感
• 专业克隆与音色转换: 支持数十秒至数小时的声音样本,以及任意音频到目标音色的转换(含歌声)

快速开始

准备好体验 VAL v2 了吗?访问我们的快速开始指南,立即开始创作。

---

VAL v1

上一代模型。使用 VAL v1 创建的声音角色已自动升级至 VAL v2。

发布日期: 2025年12月

概述

VAL v1 是我们的旗舰级语音合成模型,在专业声音克隆和音色转换领域展现出行业领先的性能表现。该模型在多种语言环境和应用场景下,于情感张力、稳定性、相似度、自然度以及语义理解等核心指标上均实现了显著突破。

核心功能

🎭 专业级声音克隆

我们的深度学习架构能够深入分析您提供音频样本中的每一个细节特征——从细微的语调变化、独特的发音方式,到说话节奏、韵律节奏以及个性化的发声习惯。无论您提供的是短短几十秒的音频片段,还是长达数小时的完整录音,VAL v1 都能实现与原声几乎无法区分的顶级克隆效果。

技术能力:

• 支持从数十秒到数小时不等的音频样本输入
• 精准捕捉包括音调、节奏、发音习惯在内的复杂声音特征
• 输出质量达到影视级专业配音标准
• 在不同内容类型和长度下保持一致的高品质表现

🌍 全球多语言支持

VAL v1 全面支持超过 30 种全球主流语言和方言,让您的声音创作跨越语言界限。

支持的语言包括:

• 英语(美式、英式、澳式等变体)
• 中文(普通话、粤语)
• 西班牙语、法语、德语、意大利语
• 日语、韩语
• 葡萄牙语、俄语、阿拉伯语
• 以及更多区域性语言和方言

🎨 高级音色转换

将任意音频的声音特质精准转换为您期望的目标音色,实现对声音表现细节的精确把控。这项功能让单个配音演员能够轻松演绎多个角色,大幅提升创作效率。

应用场景:

• 一人分饰多角的配音制作
• 对声音表达和演绎的精细化控制
• 与现有所有语音角色无缝兼容
• 通过音色转换实现歌曲翻唱创作
• 创意音频制作与内容改编

💫 卓越性能指标

VAL v1 在所有关键评估维度上均达到影视级性能标准:

• 情感张力: 丰富的情感表达能力,自然的音调变化
• 声音相似度: 业界领先的目标音色匹配精度
• 稳定性: 在不同内容和场景下保持稳定的高质量输出
• 自然度: 接近真人的语音模式和表达流畅度
• 语义理解: 基于上下文的智能语义感知与恰当演绎

应用场景

• 内容创作: 播客、有声书、视频解说
• 娱乐产业: 角色配音、影视配音、声优表演
• 商业应用: 企业培训、演示文稿、IVR 语音系统
• 创意项目: 音乐翻唱、广播剧、实验性艺术
• 无障碍服务: 为视障用户提供文字转语音服务

快速开始

准备好体验 VAL v1 了吗?访问我们的快速开始指南,立即开始创作专业级的语音内容。

---

VAL 系列模型持续更新优化中,请定期查看最新功能改进。