语音合成（Text-to-Speech）模型最近进步很大，但依然会出错。一旦某个词念错，往往要重录整段音频——这是不少用过这类工具的人共同的痛点。

现在出现了一个新选项：一个音频模型允许用户直接编辑单个词。据描述，这是目前见到的第一个支持逐词编辑的音频模型。

打开网易新闻 查看精彩图片

改一个词，不用推倒重来

它的价值指向一个很具体的场景：合成结果里只有个别词有问题时，不必把整段语音重新生成一遍。对需要反复微调音频的人来说，这省下的是重复劳动。

目前公开的信息只到这一步——它支持逐词编辑，针对的是语音合成出错后重录整段的麻烦。至于编辑精度、支持语言、使用门槛，都还没有更多细节。