AI 文生音频模型的潜力，似乎还没完全发掘出来

这两天玩 Gemini 2.5 TTS，已经试出了一些有效的提示词类型，意外发现去年 4 月就有人用 Udio 生成了很多质量略惊艳的音频内容。

原本 Udio 这个工具是类似 Suno 那种 AI 生成音乐的，不过 Mckay Wrigley 这老哥用它跑出了很多可能工具开发方都没想过的音频内容，像是：

- 脱口秀

- 公开演讲

- 电台广播（有扬声器那种噪点的质感）

- 体育赛事播报

- 带游戏 BGM 的 NPC 对话

- 自然声

- ASMR

老哥也分享了 Udio 播单，每个生成结果都可以查看用到的提示词、歌词，感觉对后面的 AI 文生音频边界探索也会有启发。

推文：https://x.com/mckaywrigley/status/1778867824217542766

Udio 播单（试听、看提示词）：https://www.udio.com/playlists/deGuVDLYd9MrXtxnxfX7z1