音频模型

语音、音乐与音频理解模型 · 62 篇

2026年8月16日

音乐模型11:06

ElevenLabs 上线 Sounds：免费 AI 音效与 Loop 库，文字描述即可生成新声音

3 次阅读阅读全文

2026年8月15日

音乐模型11:05

MiniMax Music 3.0 开源发布：8B+0.6B 双模型架构，最长5分钟完整歌曲生成，支持多语言人声

9 次阅读阅读全文

2026年8月13日

语音模型11:09

Deepgram 发布 Flux TTS：首个对话原生语音合成模型，80ms 延迟+跨轮次上下文，盲测击败 ElevenLabs

15 次阅读阅读全文

2026年8月12日

语音模型01:05

IndexTTS-2.5 开源发布：多语言零样本语音克隆，支持情感与语速精细控制

21 次阅读阅读全文

2026年8月11日

语音模型21:36

NVIDIA 开源全双工语音模型 VoiceChat 11B：一个模型替代 ASR+LLM+TTS 三件套，448ms 对话延迟还支持工具调用

8 次阅读阅读全文

2026年8月8日

语音模型11:22

阿里推出 CosyVoice Studio：国内首个 AI 语音生产力平台，Qwen-Audio-3.0 登顶全球

23 次阅读阅读全文

2026年8月7日

音乐模型11:11

Suno 宣布音频水印与透明性工具：AI 生成音乐将可被识别，下载政策同步收紧

14 次阅读阅读全文

2026年8月6日

语音模型11:39

字节 SeedRealtime 发布：首个音视频全双工大模型，AI 终于能「边看边听边说」

13 次阅读阅读全文

2026年8月3日

语音模型11:16

Irodori-TTS v4 Small 开源：766M 参数日语 TTS，用 Emoji 控制语气和拟声，零样本克隆最长 120 秒参考音频

20 次阅读阅读全文

语音模型01:11

Audio8 TTS 开源：0.6B 小模型实现 11 语言零样本语音克隆，RTF 仅 0.116

18 次阅读阅读全文

2026年8月2日

语音模型11:08

OpenAI 给 GPT-Live 语音加上隐形水印：SynthID 音频验证上线，EU AI Act 前一天踩点交付

12 次阅读阅读全文

2026年8月1日

语音模型11:14

Baseten 上线 Qwen3-TTS 语音克隆微调：三种克隆方式对比，SFT 模式 TTFA 快 16%

11 次阅读阅读全文

已显示 12 / 62 篇文章