#语音合成
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。
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。
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。
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。
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。
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。
Google 的 Gemini 3.8 Flash 和 Flash-Lite 语音模型今天开始上线，开发者直接在 Gemini API 里调用，NotebookLM 和 Google Vids 也同步集成了。
Google 新出的 Gemini 3.8 Flash 语音模型，2000 多个音色支持 100 种语言，还能克隆声音，Hume 基准第一名。
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。
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。
Fish Audio 出了 MCP 接入文档，跟着 docs.fish.audio/overview/mcp 走一遍，你的智能体就能开口说话了。
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。
阿里云新出的Qwen-Audio-3.0-TTS模型在OpenRouter上就能用，语音听起来更自然，做语音交互的可以试试。
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。
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。
xAI把语音转文字、大模型、文字转语音三个环节整合到一个接口里，延迟更低、故障更少，用Grok Voice搞语音交互的可以试试。
