Google 发布 Gemini 3.8 Flash 与 Flash-Lite TTS 语音模型
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。
#TTS
共 70 条 · 7 天 6 条 · 30 天 45 条
9月23日
Google 发布 Gemini 3.8 Flash TTS 与 3.8 Flash-Lite TTS 语音生成模型
Google 出了两个新 TTS 模型，Gemini 3.8 Flash TTS 和 Flash-Lite 版，语音更有表现力，去 AI Studio 就能试，做语音应用的可玩玩。
谷歌推出 Gemini 3.8 Flash TTS 两款语音模型，支持逐行台词控制
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。
Alibaba 发布 Qwen Audio 3.1 系列五款语音模型，AI 音频服务降价最高 95%
Qwen 一次发了五款语音模型，能识别方言、区分多个说话人还能标注情绪，价格还砍了 95%，做语音应用的可以看看。
Qwen-Audio-3.1 发布：五个音频模型全面升级并大幅降价
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。
9月21日
9月16日
9月14日
9月3日
8月15日
模型10:08
Pika发布4款声音模型，覆盖配音、语音、音乐、音效，价格低至同行1/20Pika一口气发了4款音频模型，配音、语音、音乐、音效齐了，价格最低压到同行的1/20，做应用开发的可以去看看接不接。
8月11日
论文11:57
TTS评估新基准：10维度拆解自然度，MOS与Audio-LLM各有短板做TTS评测的可以看看，这篇把自然度拆成10个维度，实测发现MOS和Audio-LLM都测不全，还公开了数据集和代码。
8月10日
产品23:32
Fish Audio 上线 Voice Design，文本提示生成独特角色语音Fish Audio 出了个 Voice Design，写一句提示就能让角色说话，做配音的可以试试，和以前调参数完全不一样。
8月6日
8月5日
7月24日
阿里云发布Qwen-Audio-3.0-TTS语音模型，已上线OpenRouter
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。
7月23日
7月20日
7月14日
论文12:02
VoxENES 2026：评估语音欺骗检测器在LLM时代TTS和语音转换上的泛化新基准VoxENES 2026用5万多样本和10种现代语音合成方法，测了8个检测器，最佳EER才28.98%，说明现有检测器对LLM语音基本失效，做语音安全的朋友可以看看。
6月30日
6月23日
模型19:03
网易开源Confucius4-TTS：3秒音频克隆音色，14种语言无口音网易新开源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。
IT之家原文
6月19日
6月12日
6月11日
6月3日
论文10:25
用从未发生的对话训练ASR：合成对话提升低资源语言识别低资源语言ASR团队终于有了可落地的数据增强方案——用LLM+TTS生成对话数据，效果堪比数倍真实数据。做多说话人语音识别的开发者值得一试，尤其适合匈牙利语等小语种场景。
5月26日
产品15:16
网易有道开源多模态与TTS模型，转向AI Agent基建网易有道从教育垂直模型转向AI Agent基建，开源的多模态和TTS模型让做Agent开发的团队可以直接用消费级GPU跑，值得关注其生态进展。
5月21日
产品12:33
Together AI 新增 600+ 声音，集成 MiniMax Speech 2.8 Turbo做语音代理或实时对话应用的开发者，现在有 600+ 声音可选，且能直接在企业级基础设施上部署 MiniMax 模型，值得试试语音查找器里的新声音。
5月15日
产品07:06
Rime Mist v3 登陆 Together AI，专为确定性发音和可控语音输出打造做语音代理和 TTS 应用的团队终于有了一个能保证发音一致性的生产级模型，直接在 Together AI 上就能部署，省去自己调教的麻烦，值得试试。
5月13日