昨天 4 月 1 日愚人节，我们发布了这么一则新闻，还破了近期的阅读记录😂
简单说，我们和 AI 一起凭空造了一个能「感知语境并动态合成环境噪声的 TTS 模型」。这里可以阅读。
可能写得有些长，很多朋友都没读到最后的愚人节彩蛋提示。
这是发布后发生的一些事情：
-
有一些投资人找过来聊聊。有没看完就加好友的，也有认真看完了，很认真在讨论的。
-
很多人都在问 demo 音频，只能说这次时间紧，我们没来得及做。所以只能继续编：本次 demo 采用分布式存储，请大家各自自行就地采样：闭上眼睛 30 秒，不做任何事情，仔细听一下你周围中都有什么声音，肯定会有神奇的发现。这是测试反馈：
-
最重要的！假新闻炸出了真模型，有人在认真做这事：https://any2speech.github.io/
Any2Speech 是一个 Native Agentic 无边界长音频合成框架——端到端建模角色、情绪弧线与完整声学场景。
Any2Speech 团队在介绍里说：
Any2Speech 是我们对下一代 TTS 的一次探索与实践，这是一个 prototype——它能工作，但它还粗糙……
尽管如此，我们欣喜地看到了它的 scaling 潜力。那些传统 TTS 流水线会丢弃的「脏」数据——背景嘈杂、多人重叠、录音质量参差——在 Labeling over Filtering & Cleaning 策略下，恰恰成为系统 scaling 的燃料。
模型从中学会了纯环境建模、纯音效生成等意料之外的能力；更关键的是，干净与嘈杂、简单与复杂并存但有区分的数据分布有助于缓解模型幻觉。
我们有理由相信，这种数据多样性在强化学习阶段将提供更具区分度的 reward signal，进一步释放模型潜力。
需要和 any2speech 团队交流的我们可以帮忙推荐！加微信 Creators2022，备注身份和来意（公司/项目+职位+联系 any2speech）
点击「https://any2speech.github.io」访问 Any2Speech 介绍（这次真带 demo）。
阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么
