待验证70% 置信事实时间未知

语音数据通常被编码为离散的音频token，每秒语音大约对应25-50个token

1

来源数

70%

置信度

长期有效

时效性

2026/6/1

首次发现

来源

Step Audio 2.5深度评测：对比GPT Realtime 2，国产语音AI差距多大？

bilibili鲲鹏Talk

涉及实体

音频tokenconcept

相关事实

待验证声音克隆技术通过说话人编码器（Speaker Encoder）从少量音频样本中提取说话人的声纹特征向量，该向量通常是一个256维或512维的浮点数数组82% 相似待验证说话人嵌入向量捕捉声音中与内容无关的身份信息，包括声带共振频率、基频范围和发音方式76% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/25579

API

curl https://kongchang.com/api/v1/knowledge/claims/25579

MCP

get_claim(id=25579)