量子位
·
车圈最大AI「黑马」吉利：自研语音大模型登顶，性能超SOTA 10%
💡
原文中文，约3100字，阅读约需8分钟。
📝
内容提要
吉利汽车在语音合成领域取得突破，自研HAM-TTS模型在发音准确性、自然度和相似度上超越了VALL-E。该模型通过分层声学建模和数据增强，支持多种方言和跨语种合成，提升了智能汽车的语音交互体验，展示了吉利在AI技术上的领先地位。
🎯
关键要点
- 吉利汽车在语音合成领域取得突破，自研HAM-TTS模型在发音准确性、自然度和相似度上超越了VALL-E。
- HAM-TTS模型支持多种方言和跨语种合成，提升了智能汽车的语音交互体验。
- 该模型通过分层声学建模和数据增强，显著改善了语音合成的准确性和风格一致性。
- 吉利的语音大模型在声音复刻能力上，最短仅需3秒样本输入，提升了用户体验。
- 吉利在传统TTS模型中引入了分层声学建模方法，解决了发音准确率低和风格不一致的问题。
- 通过结合真实和合成数据训练，HAM-TTS模型的性能得到了显著提升。
- 吉利的技术能力在智能汽车领域表现突出，推动了智能座舱的体验提升。
- 吉利的AI大模型体系包括语言大模型、多模态大模型等，构建了智能汽车的AI技术底座。
- 吉利在算力方面的扩容，体现了其在智能化领域的技术领先地位。
- 吉利在卫星、芯片、操作系统等核心科技领域也展现出龙头角色，值得重新认知。
➡️
