语音合成

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。

昆仑万维最新发布的Mureka V7.5音频生成模型和MoE-TTS语音合成框架，通过深度优化中文音乐生成和引入混合专家架构，实现了AI在音乐创作与语音合成领域的技术突破。了解这些前沿技术如何推动多模...

法国Kyutai实验室发布开源语音合成模型Kyutai TTS，支持12种语言200毫秒低延迟生成，创新融合情感语音建模与边缘计算，MOS评分4.2分。适用于智能客服、游戏陪玩等场景，GitHub已开...

科大讯飞最新声音复刻技术仅需10秒音频即可生成高还原音色，支持多语种和方言，已获发明专利。了解这项AI语音技术的突破性进展及应用场景。