ElevenLabs发布Cue强制对齐模型

ElevenLabs研究团队发布强制对齐模型Cue，声称能把每个字符精确放到音频时间轴上，精度高于其测试过的所有开源对齐器，覆盖基准测试全部29种语言。 据ElevenLabs介绍，Cue单模型可一次处理任意长度的录音，在单张GPU上约半秒对齐一小时音频。该模型已用于ElevenLabs全部Speech to Text转写，也可通过Forced Alignment API单独使用。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。