主题选读

#语音

关于语音的最新消息、技术解析与应用观察。

16篇文章

主题文章

由新到旧，第 1 / 2 页

工具与应用11 月 19 日1 分钟

Supertonic 强势登场！这款仅 66M 参数的开源 TTS 引擎，以 0.001 的惊人即时率 (RTF) 重新定义语音合成。支援 Python、Rust 等多语言开发，专注于完全离线、零延迟与高隐私的装置端执行，是开发即时语音应用的最佳利器。

工具与应用11 月 12 日1 分钟

探索 Maya1，一款颠覆性的开源语音 AI 模型。它不仅能用自然语言创造声音，还能精准表达超过 20 种情绪。了解它如何为创作者、开发者和所有需要“声音”的专案，带来前所未有的自由度与生命力。

工具与应用10 月 29 日1 分钟

AI 语音合成又迎来了新的挑战者。SoulX-Podcast 号称能生成长达 90 分钟、支持多种方言、且情感自然的 AI 播客对话。这项新技术真的能克服以往模型在多说话者场景下的尴尬表现吗？本文将深入探讨其背后的技术细节与潜力。

工具与应用10 月 28 日1 分钟

探索 VoxCPM，一款由 ModelBest、清华大学及 OpenBMB 联手打造的开源文字转语音（TTS）模型。本文将深入解析其三大核心亮点：零样本声音复制、情境感知语音生成以及高效能即时合成。了解 VoxCPM 如何仅凭数秒音档，就能完美复制音色、情感甚至方言口音，为 AI 语音技术 …

工具与应用10 月 2 日2 分钟

探索 KaniTTS 系列文本转语音模型，从最初的 370M 到最新的 400M 版本，它不仅速度飞快，音质更是无可挑剔。这篇文章将带您了解其多语言支持、高效能表现以及背后的技术架构，看看它如何为实时对话 AI 应用带来革新。

工具与应用9 月 23 日1 分钟

小米最新开源的 MiMo-Audio 模型彻底改变了 AI 音讯领域的游戏规则。它凭借强大的「少样本学习」能力，无需繁琐的微调，仅需几个范例就能生成、转换和编辑语音，就像人类学习一样直观。本文将带您深入了解其背后的技术、惊人效能以及实际应用。

工具与应用9 月 23 日1 分钟

阿里云 Qwen3-TTS-Flash 表现如何？本文将透过一份关键的性能测试数据，客观分析其与 GPT-4o、Seed-TTS 等顶尖模型的性能差异，特别是在英文和中文语音生成稳定性上的具体表现。

AI 日报9 月 5 日1 分钟

探索 Resemble AI 推出的开源 TTS（文本转语音）模型 Chatterbox Multilingual。了解它如何通过即时语音复制、情感控制和 23 种语言支持，为开发者和创作者赋能，并挑战 ElevenLabs 等业界巨头。

工具与应用9 月 2 日1 分钟

探索微软 Copilot Labs 最新的实验性工具 Audio Expressions！了解如何免费将文字转换为富有情感和风格的语音，非常适合内容创作者、教育工作者和家长。目前仅支持英文，但其潜力无限。

工具与应用9 月 2 日1 分钟

AI 语音模型的世界又迎来一位重量级选手！由阶跃星辰（StepFun）推出的最新开源端对端语音大模型 Step-Audio 2 mini，不仅在多项国际评测中拔得头筹，更在部分关键指标上超越了备受瞩目的 GPT-4o Audio。这篇文章将带您深入了解，这个模型究竟强在哪里，以及它背后的创 …