Voice, trained in the room
三十万小时真实直播间训练。它学的不是播音腔，而是一个人正在说话时的语气、换气和节奏。
训练材料取自真实直播间，而不是安静的录音棚。模型见过临场的停顿、语气变化和连续表达。生成结果更接近主播开口，而不是机器在读稿。
不需要本地显卡，也不挑手机、平板或电脑。能联网、能调用接口，就可以生成语音。重的计算不放在你的设备上。
一百名用户参与内测。在非实时语音生成里，没有出现违规记录。这是已经完成的测试结果，用来说明现阶段的稳定性，不是对未来使用的承诺。