Back to Home
RadarAI··Papers & Tech

ElevenLabs 发布强制对齐模型 Cue

中文摘要

ElevenLabs发布强制对齐模型Cue,支持29种语言,实现高精度音频与文本快速对齐,现已开放API使用。

English Summary

ElevenLabs launched Cue, a high-precision forced alignment model supporting 29 languages, capable of aligning one hour of audio in half a second, now available via API.

Original Excerpt

ElevenLabs 研究团队发布强制对齐模型 Cue,能将每个字符精确放到音频时间轴上,精度高于其测试过的所有开源对齐器,覆盖基准测试全部 29 种语言。Cue 单模型可一次处理任意长度的录音,在单张 GPU 上约半秒对齐一小时音频,已用于 ElevenLabs 全部 Speech to Text 转写,并可通过 Forced Alignment API 单独使用。