YouTube推出AI音乐主持人功能：基于Gemini大模型打造个性化音乐体验
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...
排序
法国Kyutai实验室开源多语言语音合成模型TTS，实现低延迟实时语音交互
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...
微软Copilot Audio Expressions发布：AI语音生成工具实现多角色情感叙事
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...
Cartesia完成1亿美元融资推出Sonic-3语音模型，SSM架构突破Transformer限制
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...
豆包语音推出AI多人有声剧自动化方案，文本到成品全流程AI生产
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。