搜索
《读佳》独家获知，Soul将推出专为交互场景打造、超具活人感的语音合成产品“Loxinity（洛希无限）”，和市面上面向配音、短视频的TTS不同，这套模型从底层瞄准实时交互场景，主打强活人感。它支持单人配音、多人对话两种模式，配套音色克隆、音色设计等工具，还开放API接入。Loxinity下辖语音合成模型Loxi Speech和视频生成模型Loxi Avatar。
在超级发电站主办的AI艺术黑客松上，作者基于麦浚龙和谢安琪的概念专辑《The Album》创作了一款由语言模型和TTS驱动演员的2.5D实时互动游戏，玩家可扮演酒保自由输入与AI角色互动，推动剧情走向不同结局。
Fish Audio（上海奇塔灵动科技）由00后廖世嘉带领22人团队，凭借开源语音模型Fish Speech在TTS Arena盲听榜连续7个月第一，年化收入达2100万美元，2026年7月获今日资本领投5200万美元种子轮。
2025年，杨斌体验了一款海外语音交互产品Sesame。一两轮对话后，他因暂时想不到问题陷入沉默。几秒后，对面突然主动开口：“你现在是不是思维卡壳了？”随后补了一句话，把中断的话题接了起来。
全球第一！中国AI语音ViiTorVoice首创「局部编辑」神技：配音错字告别重录，像改Word一样修语音。内附姆巴佩、哈兰德爆笑实测，快来见证！这个凭空出世的中国模型，将 Qwen3-TTS、CosyVoice3、Fish Audio 等一众主流巨头挑落马下，径直登顶综合排名第一！
Boson AI 与 SGLang-Omni 团队宣布，SGLang-Omni 已完成对 Higgs Audio v3 TTS 的端到端 Serving 支持。作为一家成立于 2023 年的 AI 基础设施公司，李沐与 Alex Smola共同创立了 Boson AI，聚焦大模型时代的系统与基础设施创新。
语音合成这两年发展迅速：把一段话顺顺当当地念完，已经不算难事；难的是该慢的时候慢，该顿的时候顿，该强调的时候真能把重点托出来。
没错，用的就是主打长程任务、模糊指令遵循，跻身国产Agent第一梯队的小米MiMo‑V2.5 Pro。小米最新发布的MiMo‑V2.5系列，包含Pro旗舰Agent、全模态基座、TTS语音合成、ASR语音识别四大模型，综合实力对标国际顶尖水准。
相似度超越Seed-TTS、MiniMax-Speech等知名模型。昨晚，美团LongCat团队发布了文本转语音模型LongCat-AudioDiT，并开源1B、3.5B参数量的版本。这一模型的最大特点，是彻底抛弃了梅尔谱等中间表示，直接在波形潜空间进行基于扩散模型的文本转语音。通俗地说，这一模型直接根据声音本身的规律进行生成，“雕刻”出最原始的声音波形，从根源阻断数据转换的级联误差。
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大