Podcastle

播客录制和编辑平台 Podcastle 正式推出文本转语音（TTS）模型 Asyncflow v1.0 ，加入了 ElevenLabs、Speechify 和 WellSaid 等公司在 AI 驱动的 TTS 领域的竞争。这款新模型不仅提供了超过 450 种 AI 声音选择，还通过低训练和推理成本的技术开发，为用户带来了显著的价格优势。

关键亮点

1. 超过 450 种 AI 声音

Asyncflow v1.0 模型支持超过 450 种不同的 AI 声音，能够根据用户需求生成高质量的语音叙述。这些声音涵盖了多种语言、口音和情感表达，适用于从营销到教育的各种场景。

2. 低成本解决方案

Podcastle 强调，其模型以一种训练和推理成本都很低的方式开发，使其在竞争中占据价格优势。例如，Podcastle 对 500 分钟的文本转语音转换收费约为 40 美元，而竞争对手 ElevenLabs 对相同服务收费高达 99 美元。

3. 开发者友好 API

除了直接面向用户的服务，Podcastle 还提供了一个面向开发者的 API，允许开发者将 Asyncflow v1.0 模型集成到自己的应用程序中，进一步扩展了该技术的应用范围。

4. 升级的语音克隆功能

Podcastle 的语音克隆功能得到了显著改进，现在只需几秒钟的录音即可完成训练过程，而无需像以前那样阅读多达 70 个句子。这一优化得益于 Podcastle 去年发布的 Magic Dust AI 技术，该技术可以提高录音的质量并减少噪音。

尽管目前使用新过程创建的语音仍带有一些“机器人化”的特质，但 Podcastle 表示将继续改进该功能，未来可以实现更自然的声音效果。

背景与突破

创始人 Arto Yeritsyan 的愿景

Podcastle 的创始人 Arto Yeritsyan 向 TechCrunch 表示，自公司成立以来，他们一直希望构建一个强大的文本转语音模型。然而，高昂的开发成本和数据要求曾是主要障碍。

随着近年来大语言模型（LLM）技术的快速发展，Podcastle 在去年实现了突破，成功开发出高质量的语音模型，同时大幅降低了对数据的需求。Yeritsyan 表示：“得益于 LLM 的进步，我们得以用更少的数据构建一个高质量的语音模型。”此外，Podcastle 去年获得的 1350 万美元 A 轮融资 也为该项目提供了重要支持。

竞争优势

1. 多模态工具整合

Podcastle 不仅专注于音频内容，还在其重新设计的网站中整合了音频、视频、播客和 AI 驱动的旁白工具。这种多模态工具的结合使用户能够在单一平台上完成从内容创作到发布的全流程。

2. 视频领域的扩展

虽然大多数用户目前使用 Podcastle 来处理音频内容，但 Yeritsyan 表示，视频领域的需求正在快速增长。这表明 Podcastle 的目标是成为内容创作者的一站式解决方案，无论他们是制作播客、视频还是其他形式的内容。

3. 价格竞争力

Podcastle 的低价策略使其能够吸引更多预算有限的用户群体，包括个人创作者、小型企业以及教育机构。

应用场景

Asyncflow v1.0 的推出为多个行业带来了新的可能性：

• 营销与广告：生成高质量的语音片段用于广告配音或品牌宣传。
• 内容创作：为播客、视频或其他多媒体内容添加专业旁白。
• 教育与培训：创建个性化的学习材料或企业培训课程。
• 娱乐：开发互动式故事讲述或虚拟角色配音。