待验证50% 置信观点精确时间

将声音克隆所需样本压缩至10秒很可能借助了大规模预训练和少样本学习（Few-shot Learning）技术

1

来源数

50%

置信度

长期有效

时效性

2026/9/28

首次发现

来源

ElevenLabs v4语音模型发布：90种语言与10秒克隆

涉及实体

Few-shot Learningtechnology ElevenLabs v4model

相关事实

已验证现代语音克隆技术借助神经网络模型只需数秒音频样本即可还原音色76% 相似待验证零样本迁移学习通过大规模预训练学会从极短音频中提取说话人嵌入向量，无需针对目标说话人专项训练即可复刻音色语调节奏76% 相似已验证现代零样本或少样本声音克隆技术仅需几秒到几分钟的参考音频，就能生成高度逼真的目标说话人语音76% 相似已验证语音克隆技术仅需数分钟音频样本即可重建目标人物音色、语调和情感特征，ElevenLabs、Resemble AI等公司产品已将门槛降至普通用户可及水平73% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/956432

API

curl https://kongchang.com/api/v1/knowledge/claims/956432

MCP

get_claim(id=956432)