语音合成

美国AI语音技术公司Cartesia完成1亿美元融资，正式推出第三代语音模型Sonic-3。采用创新SSM架构突破Transformer限制，实现接近人类水平的英文语音合成和2秒内中文响应速度，已获S...

MiniMax发布新一代语音模型Speech 2.6，端到端延迟低于250毫秒，集成Fluent LoRA技术提升语音自然度与个性化。了解其低延迟优势、复杂文本解析能力及在智能客服、虚拟主播等领域的应...

豆包语音团队推出AI多人有声剧全流程自动化方案，通过多角色TTS演播系统和AI后期链路，实现从文本到成品的智能生产，制作周期缩短90%，成本降低70%，首批作品已在番茄小说APP上线。

Hume AI最新推出Octave 2多语言语音模型，支持12种语言包括阿拉伯语和印地语，在情感识别基础上优化韵律建模，自然度提升23%。该模型将应用于医疗问诊和跨境客服，已与多家呼叫中心运营商达成合...

深度解析YouTube最新推出的AI音乐主持人功能：基于Google Gemini大模型和语音合成技术，为Premium用户提供个性化音乐解说服务，对比Spotify AI DJ的差异化优势，展望音乐...

面壁智能发布VoxCPM 0.5B参数语音生成基座模型，支持中英双语流式输出与高精度音色克隆，在自然度和韵律表现达SOTA水平。模型已开源，适用于智能语音交互与数字内容创作。

深度解析微软2025年AI语音技术突破：MAI-Voice-1模型实现高效批量音频生成，GPT-realtime支持图像交互与拟真语音，技术互补为企业节省40%语音制作成本，推动语音交互进入多模态时代...

微软Copilot Audio Expressions基于MAI-Voice-1模型，提供Emotive情感表达与Story多角色故事创作模式，支持90秒专业级音频生成，无需注册即可下载MP3，推动A...

微软开源VibeVoice-1.5B音频模型，突破90分钟连续语音合成技术，解决音色失真与语义连贯性问题。适用于有声书、在线教育及实时交互场景，降低制作成本，推动AI语音技术发展。

谷歌正式推出Google Docs AI语音朗读功能，支持英文文档多风格语音自定义和速度调节，基于Gemini模型提升办公效率，适合企业及视障用户使用。