4步出聲，單卡0.24秒！Noiz AI聯合港科大清華，開源音頻生成大模型
重點摘要
這篇消息聚焦「4步出聲，單卡0.24秒！Noiz AI聯合港科大清華，開源音頻生成大模型」。原始導語提到：還能聽懂時間戳 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
### 重點整理：Noiz AI 攜手港科大、清華推出開源音頻生成大模型
近日，新創團隊 Noiz AI 與香港科技大學、清華大學合作，發表了一款名為「4步出聲，單卡0.24秒」的開源音頻生成大模型。這款模型主打極速生成與高精準度，能在單張顯示卡上於0.24秒內完成音頻輸出，僅需4個步驟即可生成清晰語音或音效。此外，模型還具備「聽懂時間戳」的能力，能根據使用者指定的時間點生成對應音頻，例如在特定秒數插入特定聲音或語句，大幅提升音頻編輯與合成的靈活性。
### 背景脈絡：開源音頻生成技術的突破與挑戰
音頻生成領域過去多依賴大型語言模型或擴散模型，但普遍存在生成速度慢、硬體需求高、或無法精準控制時間點等問題。例如，傳統擴散模型可能需要數十步迭代才能生成高品質音頻，且對GPU記憶體要求較高，不利於邊緣設備或即時應用。此次 Noiz AI 與學術團隊的成果，結合了高效採樣技術與時間感知機制，試圖在速度、品質與可控性之間取得平衡。開源策略則有助於降低技術門檻，讓更多開發者與研究人員能基於此模型進行二次開發或應用整合。
### 可能影響：加速音頻內容創作與互動應用
這款模型的推出，可能對多個領域產生直接影響。首先，在影音製作與播客領域，創作者能快速生成背景音效、旁白或語音合成，並精確控制音頻與畫面的同步，減少後製時間。其次，在遊戲與虛擬實境中，即時音頻生成可根據玩家動作或場景變化動態調整音效，提升沉浸感。此外，對於語音助理或無障礙工具，模型能根據時間戳生成提示音或語音回饋，強化互動效率。開源特性也意味著學術界能進一步研究音頻生成的底層機制，推動更輕量、更智慧的模型發展。
### 讀者可關注的後續：模型開源細節與實際應用案例
對於技術開發者，建議關注 Noiz AI 官方或 GitHub 上的模型開源資訊，包括模型架構、訓練資料集、以及如何在單卡環境下部署。由於模型強調「聽懂時間戳」，可留意其是否支援多語言、多風格音頻生成，以及時間戳的精準度範圍（例如能否支援毫秒級控制）。此外，後續可能出現基於此模型的工具，如自動配音軟體、智慧音效庫或語音合成插件，讀者可觀察這些應用在實際場景中的表現，例如是否能在手機或邊緣裝置上流暢運行。最後，學術論文或技術報告中若揭露更多訓練細節，將有助於理解其與其他開源模型（如 Bark、AudioLDM 2）的差異與優勢。
Related
相關文章
Edge AI Daily 早報（6月19日）
AI Engineer World's Fair 2026規模再創新高，標誌AI工程從幕後走向舞臺中央。行業面臨結構性調整：楊立昆警示OpenAI年虧210億美元揭示商業模式脆弱性，Transformer之父轉投OpenAI反映人才爭奪白熱化。Anthropic多線佈局——語音支持七種語言、加入碳清除聯盟、落子首爾辦事處，展現生態擴張野心。監管壓力加劇，意大利依據DMA調查蘋果iCloud，巴西開放iOS側載佣金降至5%，蘋果圍牆花園持續崩塌。
今天起，Claude Design要把設計師和程序員變成同一種人了
猝不及防！Anthropic深夜甩出Claude Design大更新，設計系統一鍵導入，代碼雙向同步，9大平臺一鍵導出。Anthropic設計師親自下場錄屏：AI跑了八輪自查，才敢把設計稿給你看。
OpenAI 成為 Rust 基金會白金會員，合計贊助 60 萬美元
OpenAI 正式成為 Rust 基金會白金會員，將提供總計 60 萬美元資金，用於支持 Rust 開源項目維護者及 Rust 創新實驗室等計劃。這標誌著 AI 巨頭對安全、高效系統編程語言的重視。 #OpenAI #Rust #開源
Claude Design 上線首周用戶破百萬，和 Claude Code 共享 AI 配額
Anthropic 今天（6 月 18 日）發佈公告，在宣佈 Claude Design 上線首周用戶規模突破 100 萬後，進一步強化和 Claude Code 的雙向聯動，實現從設計到編程的無縫工作流。
谷歌時隔6年再發智能音箱，Gemini上桌，售價不到700元
智東西 編譯 | 劉煜 編輯 | 陳駿達 智東西6月18日消息，谷歌昨日宣佈，其首款搭載居家版Gemini語音助手的智能音箱（Google Home Speaker）已開啟預售，將於當地時間6月25日正式上市，售價為99.99美元（約合人民幣677.03元）。在此之前，谷歌已有6年沒有推出過獨立智能音箱產品。 谷歌這款智能音箱外觀近似球形，風格類似亞馬遜新一代Echo音箱與蘋果舊款音箱HomePod Mini。 ▲谷歌智能音箱（圖源：谷歌官網） 使用音箱時，用戶只需通過口令“Hey Google”或“OK Google”喚醒Gemini，就可以繼續下達相應指令。這與谷歌舊款音箱、智能顯示屏等喚醒語音助手的方式相同。此外，用戶只要按照日常說話習慣下達命令，Gemini便能理解用戶意圖，相比之前大大提升溝通效率。 一、加強短時對話記憶，會員可與Gemini不限次數對話 谷歌此次推出的全新音箱升級諸多功能。其中，音箱搭載的Gemini語音助手擁有10款全新擬人化語音音色，用戶可以根據喜好自行選擇聲線。音箱還可支持用戶一次性下達多條語音指令，即使指令未能說對、說完整，用戶中途改口Gemini也能識別。 Gemini還具備多鏈路推理能力，落地到實際生活場景中比較實用。例如，用戶問：“我支持的足球隊下場比賽天氣如何？”Gemini收到指令後，會自動查詢賽事時間、舉辦地點，同時匹配相應時段天氣，再給出答覆。 同時，Gemini加強了短時對話記憶，能承接上下文實現連續對話功能。即使用戶連續追問、甚至串聯多項任務、不重複交代前置條件，該語音助手也能實現來回連貫交流。 ▲谷歌Gemini對話場景（圖源：谷歌官網） 不僅如此，Gemini搭配的連續對話功能，能讓應答後的音箱麥克風保持短暫收音，用戶無需重複喊“OK Google”就能繼續提問。該功能現已全面支持所有Gemini原生適配的語言，包括
微軟，考慮接入DeepSeek
這篇消息聚焦「微軟，考慮接入DeepSeek」。原始導語提到：Copilot Cowork轉為按量計費。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。