#语音合成
Karan Goel 发了两个新模型，Sonic-3.5 做 TTS 排名第一，Ink-2 做 STT 也是第一，说是唯一一家听说都做到顶的。做语音智能体的话看看。
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。
微软终于拿出了自己的推理模型，而且强调纯自研、不蒸馏，这对关注模型自主可控的开发者是个信号。做软件工程或编程的团队可以关注 MAI-Code-1 在 Copilot 中的实际表现，值得一试。
API 价格直降 99% 对开发者是实打实的成本利好，做 AI 应用集成或语音合成的团队可以直接切换，省下预算做更多实验。
教育场景的开发者终于有了可商用的开源多模态模型——27B 参数在数理问题上达到 SOTA，且推理成本更低；TTS 模型 3 秒克隆音色并跨语种带情感，做语音助手或教育产品的团队可以直接下载试试。
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。
做语音助手或客服机器人的开发者，现在可以用一条提示词把聊天智能体变成语音智能体，省去集成多个模型的麻烦，值得直接上手试。
做教育科技或语音交互的团队值得关注——ElevenLabs 把历史人物语音化，让学习从单向阅读变成双向对话，直接可用的场景比想象中多。
xAI 一口气推出图像、视频、语音三款模型，做内容创作或 AI 应用的开发者可以直接在 OpenRouter 上调用，省去部署成本，建议试试。
此次更新体现了 MiniMax 在 AI 多模态领域的持续投入，特别是 M2.7 和 Speech 2.8 的推出可能带来文本理解和语音合成性能的提升，值得关注其在开放平台上的实际表现。
StepAudio 2.5 TTS 在公开盲测中击败国际竞品，证明国产TTS模型已具备全球竞争力，对AI语音应用开发者具有参考价值。