Soul App开源模型SoulX-Podcast登顶全球最大AI开源社区TTS趋势榜

根据开源社区 Hugging Face 10 月 29 日最新榜单数据,SoulX-Podcast 模型在发布第二天登顶 TTS(Text To Speech, 从文本到语音) 趋势榜。

此前,Soul App AI 团队 (Soul AI Lab) 联合西北工业大学 ASLP@NPU 团队和上海交通大学 X-LANCE Lab 正式开源 SoulX-Podcast, 该模型是一款专为多人、多轮对话场景打造的语音生成模型, 支持中、英、川、粤等多语种/方言与副语言风格, 能稳定输出超 60 分钟、自然流畅、角色切换准确、韵律起伏丰富的多轮语音对话。

传统语音合成系统在多人、多轮对话场景常面临一些痛点问题, 例如上下文衔接不自然;缺少副语言 (如笑/叹气)、方言等的可控生成能力, 缺少「活人感」;情绪状态无法随对话内容流畅改变, 影响沉浸体验等。SoulX-Podcast 致力于解决这些核心问题, 其在播客场景、通用语音合成或克隆场景下出色表现, 以及生动、真实的语音体验也让该模型在开源社区发布后迅速获得关注。

作为全球最大 AI 开源社区,Hugging Face 汇聚了超百万开发者, 海量开源模型在此发布, 全球活跃开发者们则「用手投票」, 让高性能表现、高效易用的模型脱颖而出。SoulX-Podcast 在发布第二天快速冲上 Hugging Face TTS 趋势榜榜首, 并且在趋势总榜排名持续上升中。这也证明了行业对 AI 语音对话的关注, 以及模型本身的较高吸引力和讨论度。

在开源社区受到广泛关注之外,SoulX-Podcast 在发布后也引发了众多 AI 从业者、AI 发烧友的讨论, 以及对国产语音合成开源模型能力的认可。

Hugging Face CEO Clément Delangue 转发相关讨论内容

据了解,Soul AI 团队未来将持续聚焦语音对话合成、全双工语音通话、拟人化表达、视觉交互等核心交互能力的提升, 并加速技术在多样化应用场景与整体生态中的融合落地, 为用户带来更加沉浸、智能且富有温度的交互体验, 持续提升个体的幸福感与归属感。同时, 团队将进一步深化开源生态建设, 与全球开发者携手, 共同拓展 AI 语音等前沿能力的边界, 探索「AI +社交」的更多可能。