在音频技术领域，一个名为SoundStorm的模型标志着一个巨大的飞跃，它承诺将彻底改变与声音的互动方式。SoundStorm是一个尖端的音频AI模型，能够生成高质量、自然的对话。用户可以通过文本稿控制说话内容、通过简短的声音提示控制说话者的声音，以及通过文本注释控制说话者的轮次。因此，可以创造出听起来像是真实人物在说话的对话。
SoundStorm最令人印象深刻的特点之一是其速度。该模型的运行速度比之前的模型快100倍，在使用TPU-v4时，仅需半秒钟就能产生30秒的音频。SoundStorm是一个高效的非自回归音频生成模型，这意味着它可以更高效地生成音频，而不会出现之前模型中的延迟。此外，使用SoundStorm，可以无缝地生成音频，而不会降低音质或一致性。
SoundStorm的另一个优点是其一致性。该模型能够产生与AudioLM同等水平的音频，但具有增强的一致性。因此，每次使用SoundStorm时，可以期待同样的高质量水平。