Pika SFX模型实现0.847秒文本转音效,速度超越托管API

Pika SFX模型可在不到一秒内生成可直接使用的文本转音效,在50个提示(请求音频总时长454秒)的本地端到端路径测试中,平均耗时0.847秒。相比之下,最快的托管API——ElevenLabs v2和Stable Audio 3 SFX——平均耗时分别为2.47秒和2.64秒。

Pika SFX模型可在不到一秒内生成可直接使用的文本转音效,在50个提示(请求音频总时长454秒)的本地端到端路径测试中,平均耗时0.847秒。相比之下,最快的托管API——ElevenLabs v2和Stable Audio 3 SFX——平均耗时分别为2.47秒和2.64秒。