XNews

Pika Speech TTS模型发布

Pika Speech TTS模型发布

Pika Labs宣布推出Pika Speech,这是一款拥有30亿参数的文本转语音模型,实时因子为0.02。在本地运行的长文本测试中,该模型能在约1.2秒内生成一分钟的48kHz工作室级语音,并支持最长五分钟的请求。其成本效益比ElevenLabs v3高出9倍,比Cartesia和ElevenLabs Turbo高出4.5倍,比Fish Audio高出2倍。

Key insights

Pika Speech在成本与速度上显著优于现有TTS服务

Pika Labs声称其新的30亿参数TTS模型实现了0.02的实时因子,在本地运行时,1.2秒内可生成一分钟的48kHz语音,并支持长达五分钟的请求。该模型成本比ElevenLabs v3便宜9倍,比Cartesia和ElevenLabs Turbo便宜4.5倍,比Fish Audio便宜2倍。这使其成为长文本语音生成方面的高效选择。

Source posts