# SoulX-Podcast：1.7B参数，支持90分钟+多说话人播客生成的AI语音合成模型 - Link: https://paooo.com/aigc-news/13177/ - Published: 2026-06-18T12:12:22+08:00 - Author: 站外新闻 > **💡 站外导读：**在AIGC浪潮下，长内容创作效率成为瓶颈。SoulX-Podcast应运而生， > 专为解决生成长篇、多角色、高自然度语音对话的核心痛点。它不仅能突破传统TTS模型在 > 时长和说话人切换上的限制，更支持方言与副语言控制，为播客、有声书等内容创作打开 > 了新的自动化之门。 ## SoulX-Podcast是什么 SoulX-Podcast 是 Soul AI Lab 推出的多说话人[文本到语音](https://ai-bot.cn/ai-text-to-speech-tools/)（ TTS）模型，专为生成长篇播客对话设计。模型参数为1.7B，支持普通话、英语及多种汉语方言（ 如四川话、河南话、粤语等），具备跨方言提示功能，可通过普通话提示生成目标方言语音。 模型支持副语言控制（如笑声、叹气等），增强语音合成的真实感。SoulX-Podcast 能生成 超过 90 分钟的连贯对话，保持稳定的音色和情感连续性，适用于播客、有声读物等场景。 阅读目录 * [SoulX-Podcast是什么](https://paooo.com/aigc-news/13177/#soulxpodcast%e6%98%af%e4%bb%80%e4%b9%88) * [SoulX-Podcast的主要功能](https://paooo.com/aigc-news/13177/#soulxpodcast%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd) * [SoulX-Podcast的技术原理](https://paooo.com/aigc-news/13177/#soulxpodcast%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86) * [SoulX-Podcast的项目地址](https://paooo.com/aigc-news/13177/#soulxpodcast%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80) * [SoulX-Podcast的应用场景](https://paooo.com/aigc-news/13177/#soulxpodcast%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af) * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13177/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight) ![SoulX-Podcast](https://paooo.com/wp-content/uploads/2026/05/SoulX-Podcast-website- 1.avif) ## SoulX-Podcast的主要功能 * **多说话人支持**：：支持多个说话人之间的对话生成，能自然地切换不同说话人的语音， 适用播客、有声读物等场景。 * **多语言和方言支持**：：支持普通话、英语以及多种汉语方言（如四川话、河南话、粤语 等），具备跨方言提示功能，可通过普通话提示生成目标方言语音。 * **副语言控制**：：支持非语言信息（如笑声、叹气、清嗓等），增强语音合成的真实感， 使生成的语音更加自然和生动。 * **长篇对话生成**：：能生成超过90分钟的连贯对话，保持稳定的音色和情感连续性，适用 长篇播客内容的生成。 * **零样本语音克隆**：支持零样本语音克隆，在没有目标说话人语音样本的情况下，能生成 高质量的个性化语音。 ## SoulX-Podcast的技术原理 * **基础模型架构**：基于 Qwen3-1.7B 的架构，一个强大的预训练语言模型，经过微调适应 多说话人对话生成任务。 * **多说话人建模**：通过引入说话人嵌入（Speaker Embedding）技术，模型能区分不同 说话人的语音特征，在生成过程中自然地切换说话人。 * **跨方言生成**：用方言引导提示（Dialect-Guided Prompting, DGP）方法，模型能根据 普通话提示生成目标方言的语音，支持多种方言的零样本生成。 * **副语言控制**：通过在文本输入中加入特定的副语言标记（如 `<|laughter|>`、`<|sigh |>` 等），模型能在生成的语音中加入相应的非语言信息，增强语音的真实感。 * **长篇生成稳定性**：通过优化模型的注意力机制和解码器结构，确保在长篇对话生成中 保持稳定的音色和情感连续性，避免音色漂移和情感不连贯的问题。 * **数据处理和训练**：用大规模的多说话人对话数据进行训练，数据处理流程包括语音增强、 音频分割、说话人日志、文本转录和质量过滤，确保模型能学习到丰富的对话特征。 ## SoulX-Podcast的项目地址 * **项目官网**：https://soul-ailab.github.io/soulx-podcast/ * **GitHub仓库**：https://github.com/Soul-AILab/SoulX-Podcast * **HuggingFace模型库**：https://huggingface.co/collections/Soul-AILab/soulx-podcast * **arXiv技术论文**：https://arxiv.org/pdf/2510.23541 ## SoulX-Podcast的应用场景 * **播客制作**：模型能生成超过90分钟的连贯对话，适合制作科技、文化、娱乐等各类播 客内容。 * **有声读物**：模型能生成多个角色的对话，使有声读物更加生动有趣，适合小说、故事 等长篇内容。 * **教育内容**：生成多角色对话，增强语言学习、历史故事讲解等教育内容的互动性和趣味 性。 * **娱乐和游戏**：为游戏、动画和视频制作生成自然的多角色语音，提升内容的沉浸感。 * **企业培训**：生成模拟对话，帮助员工进行沟通技巧和客户服务培训。 #### 📝 站长洞察 (Editor’s Insight) SoulX-Podcast的发布，标志着语音合成从短句工具向长内容自动化生产平台的范式跃迁。其 1.7B参数与90分钟生成能力的结合，体现了当前AI模型‘小而精’的发展趋势——通过精巧的架构 设计（如方言引导提示、副语言标记）实现强大功能，而非单纯堆砌参数。这背后是[AIGC](https://paooo.com/aigc-news/) 技术从‘辅助创作’向‘自主生产’演进的必然路径。未来，结合智能剪辑与内容策划，此类模型 有望彻底重塑音频内容产业的成本结构和产出效率，是AI赋能实体经济、提升数字内容生产 力的又一重要里程碑。 **🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词 咒语库 [🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/) [⚡ AIGC 早报生成器](https://paooo.com/mtool/)