4月7日，趣丸科技首款搭载SOTA模型（“最先进的、最高水平的”模型）的AI语音应用——趣丸千音（英文名：All Voice Lab）开启邀测。平台集成文本转语音、视频翻译、多语种合成等能力，是业界首个从模型到应用全面赶超国际先进水平的AI语音产品，适用于影视动漫、有声读物、新闻传媒、文旅导览等多个行业。
在MaskGCT（Masked Generative Codec Transformer）模型能力支持下，趣丸千音在语音相似度、准确率、质量和稳定性上均领先于同类产品，同时支持中文、英语、日语、法语、德语、韩语等多语种生成，能够提供全球化的语音输出。
MaskGCT是趣丸科技与香港中文大学（深圳）联合研发的开源语音大模型，采用掩码生成模型与语音表征解耦编码的创新范式，曾登顶GitHub趋势榜榜首。该模型在全球最大且最为多样的高质量多语种语音数据集之一“Emilia”上进行训练，展现出超自然的风格迁移及跨语言生成能力。实验表明，模型在多个TTS基准数据集上都达到了SOTA效果，超过当前最先进的同类模型，某些指标甚至超过人类水平。
目前，趣丸千音在影视动漫、有声读物、新闻传媒、文旅导览、在线教育等领域应用。据《2024全球数字内容产业报告》，仅媒体与泛娱乐领域的多语言翻译需求规模已超650亿美元。
以微短剧应用场景为例，作为中国文化出海“新三样”，微短剧正在海外刮起强劲“中国风”。国家广播电视总局国际合作司公布的数据显示，中国微短剧海外应用已突破300款，全球累计下载量逾4.7亿次；中国微短剧产品已覆盖全球200余个国家和地区。
短剧出海的爆发，也让译制剧加速成为出海内容的主体。而传统人工译制流程周期长、成本高昂正成为制约短剧作品“走出去”的一大瓶颈。目前，趣丸千音的视频翻译功能可实现12小时译制1000分钟剧集，效率较人工提升10倍+，成本下降15倍+，让译制行业在AI赋能下迈入工业化量产新纪元，为中国优秀作品按下出海“倍速键”。
南方+记者 郜小平
【作者】 郜小平
【来源】 南方报业传媒集团南方+客户端
