#语音合成

谷歌新出的两款 TTS 模型能逐行控制台词语气，还能用 30 秒录音复制声音，做播客有声书的朋友可以去 AI Studio 试试。

阿里 Qwen 把语音识别、合成、实时对话打包成五个模型一起发，ASR 最高打 0.5 折，做播客或有声书的可以试试 TTS-Next。

官方账号阿里通义 Qwen@Alibaba_Qwen原文

阿里这次一口气发了五款语音模型，方言识别和能自己生成配乐音效的 TTS-Next 都挺有意思，价格还砍了一波。

Gradium AI的新TTS模型在速度和准确度上都有出色表现，首音频生成仅需216毫秒。

官方一手marktechpost@Michal Sutter原文

阿里自家的新语音模型，ASR、TTS、实时对话都拿了全球第一，现在API直接能用。做语音应用的话值得试试。

VUI Labs的Luna-TTS登顶语音评测榜，延迟才41.6毫秒，比ElevenLabs还快，搞语音合成的该看看。

官方一手Pandaily@[email protected] (Pandaily)原文

阿里刚发了Qwen-Audio-3.0-TTS Plus，语音更自然好听，还支持多语言和不同风格，做语音合成的可以试试。

OpenRouter@OpenRouterAI原文

需要更快更自然的语音合成？微软新模型速度快两倍，15种语言随意切换，适合搭实时语音Agent。

OpenRouter@OpenRouterAI原文

阿里出了个TTS新模型，能用标签控制笑声耳语，还能自然语言调语速，排行榜第一，支持16语言。

官方账号阿里通义 Qwen@Alibaba_Qwen原文

通义新出的语音模型，一段音就能说16种语言，还能保持音色，延迟才300毫秒，挺实用的。

小互@imxiaohu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

阿里出了个超强语音模型，能说20种方言，情感语调都能调，榜单第一，快去试试合成效果。

量子位@梦晨原文

阿里千问新语音模型能通过标签控制语气情绪，支持16种语言和20种方言，48KHz音质，试试让语音笑或生气。

ElevenLabs同时更新了音乐和语音生成模型，Music v2能从提示生成任何风格音乐，Seed Audio 1.0支持图片转语音，玩法更多了。

Hailuo AI@Hailuo_AI原文

阿里刚发的Qwen-Audio-3.0-Realtime，实时语音四项升级，又快又聪明，做语音交互项目的可以试试。

量子位@量子位的朋友们原文

Cartesia的AI语音模型太逼真了，和真人对话几乎没区别，呼叫中心真的要小心了。

Ate-a-Pi@svpino原文

多模态模型家族化是当前 AI 发展的关键方向，做全栈 AI 应用的开发者可以直接关注这七款模型如何协作，提升开发效率。

AI Will@FinanceYF5原文

微软的多模态模型终于能在 OpenRouter 上直接调用了，做图像生成、语音转文字或语音合成的开发者可以省去 Azure 申请流程，直接上手试。

OpenRouter@OpenRouterAI6 个信源在谈原文

跨国会议和远程协作的团队终于有了低延迟、高拟真的同传方案——不用外挂设备，还能模仿发言人音色，做国际业务或跨语言沟通的可以直接在腾讯会议里开启试试。