标签
Fish Audio 推出S2.1 Pro，这是一款生产级语音模型，具有90毫秒延迟，支持83种语言，可从短样本进行语音克隆，并支持多人对话，可通过API使用，并设有开发免费套餐。
Fish Audio 宣布了其 S2.1 Pro 模型，该模型仅需5秒音频即可克隆声音，同时完成了5200万美元的种子轮融资。
Fish Audio 已获得5200万美元种子轮融资，用于面向创作者和企业开发AI语音模型。这家初创公司年经常性收入(ARR)达2100万美元，拥有800万用户，提供开源和付费语音生成模型，包括其最新的S2.1 Pro API。
对三个语音 AI 代理——Retell、Vapi 和 Plura AI——进行比较，评估它们在生产用例中的表现。
这是一份详尽、非赞助的 ElevenLabs 评测，评分为 8.1/10，突出其情感范围和低延迟等优势，但提醒普通用户和高产量发布者注意高昂的成本和‘再生税’。
OpenAI 的新 GPT 语音模型实现了高度逼真、低延迟的实时语音对话，并具备情感表达能力，标志着 AI 语音交互的一次重大飞跃。
GPT-Live 作为 AI 口语老师，能实时纠正语法和不地道表达，可能对英语口语教学产生重大影响。
Netflix使用ElevenLabs的AI技术，在征得演员家属同意后，为其即将推出的真人秀《旺卡的金色门票》重现了吉恩·怀尔德的声音。
一个泄露版 ChatGPT 搭载了 Bidi-1 语音模式，其声音逼真得令人不安，超过了此前的泄露版本。
Kokoro-82M是一个高度自然的文本转语音模型，拥有8200万参数和超过1100万次下载，代表了AI语音生成的重大进步。
介绍VoxCPM2，一个完全免费商用、开源的多语言语音合成模型，支持声音设计、克隆及48kHz高质量输出，在GitHub趋势榜第一。
ElevenLabs 与斯坦·李宇宙签署协议，创建斯坦·李的声音和形象的AI克隆，用于数字客串、有声读物和一个读书俱乐部系列，引发了关于同意和剥削的伦理辩论。
GitHub 开源项目 VoxCPM2 实现了无需参考音频的 AI 语音克隆，仅需一句话即可精准生成目标声线，已获 20K Star。
谷歌宣布推出 Gmail Live，这是一种基于 AI 的语音模式，可通过 Gemini 搜索和操作收件箱。同时，Docs 和 Keep 也将推出类似的语音功能，将于 2026 年夏季向 AI Pro/Ultra 订阅用户开放。
Vapi_ai宣布完成由Peak XV Partners领投的5000万美元B轮融资，总融资额达7200万美元，重点在于AI语音通话的工程能力。
清华大学 OpenBMB 发布了 VoxCPM2，这是一个拥有 200 亿参数的开源多语言 TTS 模型，支持无需 Tokenizer 的连续潜空间扩散自回归生成，具备 48kHz 录音棚级音质和强大的声音克隆与设计能力。