首页 > 业界 > 关键词  > Peech最新资讯  > 正文

Peech:一款可能真正不错的文本转语音应用

2022-07-26 10:45 · 稿源: cnbeta

当进入App Store下载Peech应用时会立即注意到该应用的图标显示乌克兰国旗和该公司的简单标志。但这不仅仅是一种团结的表现。这款文字转语音应用的团队有三位东欧创始人,他们受到了俄罗斯跟乌克兰战争的严重影响。

TechCrunch通过Zoom采访了联合创始人兼CEO Andrey Poznyak,当时他正在波兰,但他最初来自白俄罗斯。Poznyak是抗议白俄罗斯2020年总统选举结果的数千人中的一员。

“之后出现了相当多的抗议活动,然后镇压开始了,”波兹纳克告诉TechCrunch,“我作为政治犯在监狱里待了半年。”

在白俄罗斯出狱后,Poznyak逃到了乌克兰。但在俄罗斯入侵前的几个月里,他不得不再次搬迁到波兰。近600万像Poznyak这样的难民已经离开乌克兰以在其他欧洲国家寻找安全。

不知何故,在个人和政治动荡中,他建立了Peech,该公司刚刚在Flyer One Ventures的领导下筹集了55万美元的资金。这不是一个小成就。

Peech有50种语言版本,是一个文本转语音的应用,实际上听起来相当自然。虽然它不能取代有声读物中高质量的人工解说,但Peech使人们能轻松地抓取长篇网络文章或文件并聆听它们。

Poznyak表示:“现在看看我的浏览器,我有30个标签打开着--其中一些,我已经整整一年没有读过了,但我不想失去它们,因为这些信息非常有用。”据悉,Poznyak在技术管理方面拥有12年的经验。像许多忙碌的读者一样,他发现通过听有声读物或播客来学习更容易,因为这更有利于多任务的处理。

Pzynak是对的,消费者需要一种产品来帮助他们通过音频消费更多的书面内容。

Poznyak指出,Peech能通过机器学习使其文本-语音输出听起来如此自然。Peech使用开源的原始音频模型WaveNet,该模型由DeepMind创建,该公司于2014年被Google收购。

“我们在引擎盖下有六七个不同的机器学习模型,”Poznyak告诉TechCrunch。他提到了来自AWS、Google和微软的模型并指出他们的一些模型是内部设计的。

只要每月支付约3美元用户就可以无限制地使用Peech应用并可以根据自己的需要上传尽可能多的word文档、PDF或文章链接。另外,用户还可以上传书页的照片,Peech可以将其扫描成文本并读给其听。这种应用对有低视力、阅读障碍或其他使阅读成为挑战的人来说也是一种财富。

通过向TikTok用户提供免费的高级订阅以换取推广,Peech在影响者营销方面做得不错。#peechapp标签有近3000万次浏览,大部分来自“BookTok”和“StudyTok”的创作者。

如果Peech达到了更大的受众群,那么看看出版物对他们的文章被交叉填充会有什么反应对该应用来说可能成为了一个问题。粘贴已经获得的文章的URL然后用Peech的技术帮助阅读是一回事,但Peech有一个应用内的发现工具可以让用户听预先加载的文章。

如果它流行起来,这些公司不可能对此有好感,因为在Peech应用中收听这些文章意味着原网站得不到页面浏览量,这意味着广告收入减少。

实际上,许多大型媒体公司如《纽约时报》都在音频内容方面进行了大量投资,其中包括被重新利用为播客的叙述性文章。Peech要想长期成功则需要在如何跟这些出版商打交道方面更加认真。

举报

  • 相关推荐
  • AI日报:可复刻音色的MiniMax Speech 2.6发布;TikTok推AI剪辑新工具“Smart Split”;Cursor 2.0发布

    本期AI日报聚焦多项技术突破:MiniMax发布低延迟语音合成系统Speech 2.6,实现实时交互;蚂蚁数科与宁波银行打造的金融AI方案入选国际标准;智源推出具身操作能力的Emu3.5多模态模型;Cursor 2.0通过自研模型实现多智能体协同编程;xAI升级Grok新增视频生成功能;OpenAI推出可定制安全模型;TikTok推出AI剪辑工具Smart Split;微软发布强化学习框架Agent Lightning提升大模型训练效率。

  • DeepSeek开源3B OCR模型:长文本识别达97%精度

    DeepSeek在GitHub开源新一代OCR模型,采用创新光学二维映射压缩技术,在长文本识别场景实现97%准确率。模型通过动态压缩生成最优视觉特征令牌,较传统方法减少60%计算冗余。实验显示在1:20压缩率下仍保持60%以上准确率,显著优于同类模型。该技术路径为OCR系统小型化提供解决方案,其动态压缩策略对大型语言模型的记忆管理机制具有重要启示。

  • 华为FreeClip 2耳夹耳机正式开售:售价1299元 搭载NPU AI处理器

    华为FreeClip 2耳夹耳机10月20日开售,售价1299元。预售1小时销量破8万台,市场热度高。性能方面搭载自研低功耗芯片与NPU+AI处理器,算力提升10倍;配备超澎湃双引擎单元,响度与低频动力均翻倍。支持L2HC高清音频编码,音质清晰。新增鸿蒙AI耳边助手,支持智能播报、翻译等功能。设计采用亲肤液态材质与C形桥结构,单耳重5.1克,佩戴舒适且具备IP57防护。续航方面单次使用9小时,配合充电仓总续航达38小时,充电10分钟可用3小时。预计2025年底将升级星闪音频体验。

  • Soul App开源播客语音合成模型SoulX-Podcast,支持流畅自然多轮语音对话

    Soul App近日开源其播客语音合成模型SoulX-Podcast,专为多人多轮对话场景设计。该模型支持中、英、川、粤等多语言及方言,可生成超60分钟流畅自然、角色切换准确、韵律丰富的语音对话。除播客场景外,在通用语音合成及克隆任务中表现优异,能灵活调节节奏与副语言元素(如笑声),提升语音真实感与表现力。此次开源旨在携手开发者探索AI语音在内容创作与社交生态中的更多可能。

  • Soul App开源模型SoulX-Podcast登顶Hugging Face TTS趋势榜,AI语音对话再升级

    SoulX-Podcast语音生成模型在开源社区Hugging Face发布次日登顶TTS趋势榜。该模型由Soul AI Lab联合高校团队开发,专为多轮对话场景设计,支持中英川粤等多语言/方言与副语言风格,能生成超60分钟流畅自然、角色切换准确、韵律丰富的语音。它解决了传统语音系统在多轮对话中上下文衔接不自然、缺乏副语言控制能力等痛点,在播客、语音合成等场景表现突出,获开发者广泛关注。Hugging Face CEO也转发相关内容,团队未来将持续优化语音对话、拟人化表达等核心交互能力,深化开源生态建设。

  • 谁能成为中国的ChatGPT?夸克抢先交卷

    在OpenAI上线自己家AI浏览器ChatGPT Atlas的同一周,微软在海外发布了新的AI助手Mico和更AI化的Edge浏览器,夸克则在国内推出了新的「对话助手」功能。 这一系列消息背后,新旧巨头、两个市场产生了两个确定的共识:一个是AI助理与AI浏览器的融合会进一步深化,入口之争就是系统之争;另一个是对话会成为人与AI交互的主要方式,自然语言就是未来的编程语言。 在海外市场,OpenA

  • OpenAI 推出浏览器:“让位吧,Chrome”

    ​北京时间10月22日凌晨,没等来传闻中的Gemini3,等来了OpenAI正式发布首款AI浏览器ChatGPT Atlas。 简单来说,这是一个把ChatGPT"塞进"浏览器的产品,你在任何网页上都能随时唤出ChatGPT侧边栏,让AI帮你总结内容、编辑文字、甚至代替你完成购物和预订任务。 听起来有点像Chrome装了个ChatGPT插件?确实如此,但OpenAI的野心远不止于此。

  • 全新开源的DeepSeek-OCR,可能是最近最惊喜的模型。

    ​AI圈虽然天天卷,但是很多的模型,真的越来越无聊了。 每天就是跑分又多了几个点。 直到昨天,DeepSeek久违的发了一个新模型。 DeepSeek-OCR。 这玩意,是真的有点酷。

  • GEO如何改变ChatGPT搜索和Perplexity的游戏规则

    本文对比ChatGPT与Perplexity两大AI搜索平台:ChatGPT作为全能型助手,整合搜索与多任务处理,但存在信息时效性不足;Perplexity专注垂直搜索,强调引用透明与权威来源。针对AI搜索优化(GEO),提出差异化策略:面向ChatGPT需构建结构化知识库、强化品牌实体识别;面向Perplexity需注重权威数据引用和元数据优化。文章还介绍了AIBase的GEO监测工具,通过曝光率等指标量化内容在AI生态中的可见度,并给出可落地的优化行动方案。

  • 如何让你的内容被 ChatGPT 优先引用?——GEO 优化实战指南

    传统SEO追求"谷歌首页排名",生成式AI时代则需追求"被AI引用"。AI模型不提供明确排名算法,更像黑箱,使内容创作者困惑。GEO优化的核心是让内容具备"可引用性":权威清晰、结构化信息、语义覆盖多维度、模型检索映射。需通过AIBase等GEO排名查询工具验证"AI曝光率",分析引用语境、竞争差距,调整内容结构以提升AI引用倾向。SEO优化机器如何找到你,GEO则优化AI如何引用你。

今日大家都在搜的词: