语音合成

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...

稀宇科技MiniMax发布Voice Design音色设计功能，通过自然语言交互实现音色全维度定制，支持5000字符输入和12项参数微调，能生成世界上不存在的音色，标志着AI语音合成进入个性化时代。

智谱科技发布开源工业级文本转语音模型GLM-TTS，实现3秒音色克隆、10万小时低数据训练需求，字错误率低至0.89%。模型已应用于教育、客服等场景，训练成本降低50%以上，助力语音合成技术普惠化。

豆包电脑版及网页版全量上线“AI播客”功能，用户可通过上传PDF或网页链接一键生成双人对话式播客内容。该功能基于豆包大模型团队研发的语音播客模型，其语音效果因高度拟人化、自然停顿及语气词模拟等特点引发...

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。

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。

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。

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...