最近，播客录制和编辑平台Podcastle加入了人工智能驱动的文本转语音赛道，推出了自家的AI模型——Asyncflow v1.0。此外，Podcastle还为开发者提供了API接口，方便他们将文本转语音模型直接集成到自己的应用程序中。
借助这一新模型，Podcastle能够提供超过450种AI语音，用于朗读用户的文本。公司表示，他们以低成本的训练和推理方式开发了这项技术，从而在竞争中占据了优势。
Podcastle的创始人阿尔托·耶里茨扬（Arto Yeritsyan）表示，公司自成立以来就一直希望开发一款文本转语音模型，但高昂的开发成本和数据需求曾让他们望而却步。不过，随着大型语言模型的不断发展，Podcastle在去年取得了突破，能够在不需要大量数据的情况下构建高质量的语音模型。
此外，公司去年完成的1350万美元A轮融资也为这一项目的推进提供了有力支持。耶里茨扬还提到，Podcastle的文本转语音服务每500分钟收费约40美元，而竞争对手ElevenLabs的相同服务收费则高达99美元。
除了推出新的AI模型，Podcastle的语音克隆功能也得到了升级。以前，用户需要朗读大约70个不同的句子来完成训练，但现在只需几秒钟的录音，就能克隆出用户的声音。这一新流程还借助了Podcastle去年发布的Magic Dust人工智能技术，进一步提升了音频录制的质量。
在测试中，新流程生成的声音虽然听起来有点机械，但仍然能够模仿用户的语调。公司表示，随着时间推移，这一功能会不断改进。用户还可以通过训练不同的声音样本，获得更丰富的语音效果。
Podcastle还表示，除了成本优势外，将音频、视频、播客以及AI配音工具整合到一个重新设计的平台上，也将成为他们的核心竞争力。耶里茨扬指出，虽然目前大多数用户使用Podcastle来制作音频内容，但视频内容的需求也在快速增长。
