#语音克隆

Cartesia 的 Sonic 3.6 能用 15 秒音频克隆语音，支持 44 种语言，让内容多语言传播更简单。

elvis@omarsar0原文

AlphaSignal和Voices将揭示DNSMOS高分音频如何损害AI模型，以及混响对语音技术的影响。

官方账号AlphaSignal@AlphaSignalAI原文

ElevenLabs 推出了支持 90 种语言的 v4 语音模型，10 秒就能克隆声音，还优化了情绪表达和响应速度。

ElevenLabs 新语音模型来了，写台词时直接标注情绪、停顿、笑声就能让声音照着演，Turbo 版首次出声只要 150ms 左右，做播客和实时对话的可以试试。

小互@imxiaohu原文

一位 ASEAN 公司 CEO 真的让自己的 AI 分身上台讲话了，她还立了一条规矩：必须事先告诉观众这是 AI。看看她怎么用、怎么划底线。

Rappler: Technology@Lance Spencer Yu原文

Google 新出的 Gemini 3.8 Flash TTS 能用一句话描述就造出音色，还能一段剧本生成双人对话，做播客和配音的可以试试。

官方账号Decoder@Matthias Bastian原文

Fish Audio刚拿到5200万美元融资，推出S2.1 Pro，5秒克隆声音，比Cartesia快两倍，成本只有Eleven Labs六分之一，还能精细调情绪语调。做语音AI的可以试试。

Fish Audio@FishAudio2 个信源在谈原文

阿里出了个新TTS，能实时克隆声音，连不好的录音都能用，交互时延迟很低。

OpenRouter@OpenRouterAI原文

阿里云新TTS模型有两个版本，一个快一个精，支持16种语言，还能用自然语言调风格，语音克隆也更强了。

官方账号阿里云 Alibaba Cloud@alibaba_cloud原文

网易新开源Confucius4-TTS，3秒克隆你的声音，还能用这个声音说14种外语没口音，全开源随便用，做配音超方便。

做语音应用或内容创作的团队终于有了本地可用的开源方案，隐私安全且零成本，建议试试集成到工作流中。

官方一手marktechpost@Michal Sutter9 个信源在谈原文

语音克隆技术终于有了自然情感，做语音应用或内容创作的开发者可以直接用 Grok Voice API 试试，效果可能超出预期。

官方账号xAI@xai原文