#语音合成

做配音或语音应用的可以看下这个 TTS 排行榜，HeyGen 转发的 Artificial Analysis 榜单，各家模型水平一目了然。

HeyGen@HeyGen_Official原文

Kokoro-82M 蒸馏出个 8M 参数的小模型，CPU 单线程就能实时跑语音，没 GPU 也能玩，还有在线试听。

Gorden Sun@Gorden_Sun原文

Fish Audio 新出的 Drama 3，用大白话就能指挥配音的情绪和节奏，一句台词中间变情绪也不用重录，API 里能直接试。

Fish Audio@FishAudio2 个信源在谈原文

wshuyi 把他视频里那个像真人的 AI 配音的完整做法写出来了，照着步骤自己也能做出来。

王树义@wshuyi原文

ElevenLabs 出了个便宜一半的 Eleven v4 Turbo，语音质量榜上反超自家老大哥，速度还更快，做语音产品的可以看看价格对比。

官方账号Artificial Analysis@ArtificialAnlys原文

Microsoft新发三个语音模型，实时转写错误率最低，还新增泰语支持，价格也公开了。

Blognone@mk10 个信源在谈原文

微软出了新语音模型，能实时转写语音，让你的语音助手反应更快更准。

官方账号Decoder@Maximilian Schreiner7 个信源在谈原文

Inworld收购了语音代理平台Ultravox，新系统支持动态调整语音节奏，比传统固定语速更智能。

rohanpaul_ai@rohanpaul_ai原文

ElevenLabs把顶级语音质量v4带入了实时对话，延迟仅100毫秒，客服体验升级。

官方账号ElevenLabs@elevenlabsio原文

Runway接入了ElevenLabs v4，语音表现力更强，做视频配音更自然了。

官方账号Runway ML@runwayml原文

做配音的可以试试，v4 直接在台词里写 [laughs]、[long pause] 这类标注就能控制语气和停顿，不用反复生成了。

小互@imxiaohu原文

ElevenLabs 的 v4 能用 10 秒录音克隆声音，还能在脚本里标注叹气、耳语这些细节，Turbo 版延迟很低，做语音应用的可以试试。

The Rundown AI@therundownai原文

AWS 手把手教程：在 SageMaker 上用 vLLM-Omni 跑 Qwen3-TTS，流式输出语音，想做实时语音应用的可以跟着搭。

官方一手AWS Machine Learning Blog@Yadan Wei原文

ElevenLabs出了v4，配音里能直接标注笑声、耳语这些导演指令，Turbo版延迟只有150毫秒，做实时语音对话的可以看看。

Gorden Sun@Gorden_Sun原文

ElevenLabs 新的 Eleven v4 拿了语音合成榜第一，支持 90 多种语言，发音准确率 91.7%，就是价格比 Google 贵不少。

官方账号Artificial Analysis@ArtificialAnlys原文

ElevenLabs 给大学生发了免费学生套餐，语音合成、Agent 搭建、API 都能用，还能把论文转成播客听，读书党值得试试。

官方账号ElevenLabs@elevenlabsio原文

Google 刚发了两个 TTS 模型，能用 30 秒音频克隆音色、支持 100 多种语言，做游戏配音或有声书可以试试

Blognone@mk原文

Gemini 3.8 Flash TTS 出了，主打录音室级音质，150 多个预置音色还能自定义，做配音的朋友可以试试。

岚叔@lufzzliz原文

谷歌新出的 Gemini 3.8 Flash TTS 能控制语气语调还能克隆声音，中文说得挺好，AI Studio 里免费用，做配音的可以试试。

Gorden Sun@Gorden_Sun原文

Google 的 TTS 模型又更新了，发音准确率登顶，多语言表现也不错，做语音相关的可以看看价格和速度对比。

官方账号Artificial Analysis@ArtificialAnlys原文

Google 的 TTS 现在能用提示词改语调，做成适合你的声音，和 OpenAI 那种固定音色路线不太一样。

kimmonismus@kimmonismus原文

语音合成圈的榜单更新了，Gemini 3.8 Flash TTS 发音准确率干到 89.5%，不过序列和术语两项分别被 SpaceXAI 和 Qwen 的模型拿走，各家各有强项。

官方账号Artificial Analysis@ArtificialAnlys原文

Philipp Schmid 演示了 Gemini 3.8 TTS 怎么用 20 秒录音复刻你的声音，或者用提示词造一个全新音色，流程就三步。

Philipp Schmid@_philschmid原文

Google 的 Gemini TTS 能复刻声音，支持 100 多种语言，做有声书、播客或游戏配音的可以试试。

Tech in Asia@Aiko Gao Ishida原文

Google 新出的 TTS 模型支持 30 秒音频克隆音色，还能让多个角色用不同声音对话，生成 1 分多钟音频只要 2.74 美分。

ElevenLabs 的配音和配乐能力直接进了 Meta 的 Muse，发条消息就能生成视频和音轨，做内容的朋友可以试试。

官方账号ElevenLabs@elevenlabsio原文

Google 的 Gemini 3.8 Flash TTS 来了，30 秒音频就能克隆你的声音，还能逐句加笑声叹气，在 Hume 基准上排第一。

Philipp Schmid@_philschmid3 个信源在谈原文

Google 在 Gemini API 里开放了逐行调语气的语音生成，能控制节奏、情绪甚至笑声停顿，还自带 SynthID 水印，做语音产品的可以去 AI Studio 试试。

官方账号Google DeepMind@GoogleDeepMind3 个信源在谈原文

Google 新出的两个 TTS 模型，能自定义音色还能逐行改语气，做播客、配音或者语音 Agent 的可以看看区别在哪。

官方账号Google AI@GoogleAI原文