有没有能够识别语音并转换成“带有语音合成标记语言 （SSML）”的文本的ai？

[dog (荒废千年)]

类似AI图生文，把图片还原成promote

有没有AI能把语音还原成promote的？

[Yggdrasil-y]

OpenAI Whisper?

[suliveevil]

还没见过自动打标记的，市面上都是STT。

[dog (荒废千年)]

Gemini现在可以，直接把音频发给它，然后指令：
请详细分析这段音频的音色、语速、情感状态，并将其转化为一段用于 TTS 生成的提示词（Prompt）或带 SSML 标签的文本