⌘ K
… 读取采集状态 同步中...
雷

语音与音频

AI 语音与音频的进展:语音合成、实时对话、音乐生成与音频理解的模型与产品。

24条精选相关主题多模态AI 视频产品更新

最新精选

第 21–24 条 · 共 24 条
4月16日周四
3月24日周二
  1. Mistral AI65

    Mistral 发布 Voxtral TTS 语音模型

    Mistral 发布其首个文本转语音模型 Voxtral TTS,这是一个拥有 4B 参数的模型,支持 9 种语言并具备实时流式生成能力。该模型在自然度和情感表现力上优于 ElevenLabs Flash v2.5,且与 ElevenLabs v3 处于同等水平。

    推荐理由:模型在零样本语音适配中展现出跨语言自然度优势,为语音智能体架构提供了低延迟参考。

2月4日周三
12月10日周三
  1. Google Gemini API Release Notes68

    Google 发布 Gemini 2.5 Flash TTS 与 Pro TTS 预览版

    Google 发布 Gemini 2.5 Flash TTS 和 Gemini 2.5 Pro TTS 预览版,前者侧重低延迟优化,后者侧重音质优化。两款模型均支持增强表达力、精准节奏控制及无缝对话能力。

    推荐理由:原文明确了两款新TTS模型在延迟和音质上的侧重,便于开发者根据场景快速选型。