audio-generation

Amphion 是一个开源的音频、音乐和语音生成工具包，提供模型可视化、声码器和评估指标，以支持可复现的研究。

本文介绍了如何使用全新的Gemini 3.8文本转语音模型来创建自定义声音，包括选择音色、调整特性以及在多说话者场景中的应用。

OpenBMB发布VoxCPM2，一个2B参数的无分词器TTS模型，基于超过200万小时的多语言语音数据训练，支持30种语言、语音设计、可控克隆和48kHz输出。

Google 推出 Gemini Omni，一种新的多模态 AI 模型，能够从任何输入类型处理并生成跨越文本、图像、音频和视频的内容。