音频模型

语音、音乐与音频理解模型 · 66 篇

2026年9月4日

语音模型11:15

微软发布 MAI-Transcribe-2：号称全球最快最准最便宜的语音转文字模型，超越 GPT-Transcribe 和 Gemini

0 次阅读阅读全文

语音模型01:19

世界第一开源TTS Breeze 2来了：T8开源ComfyUI整合包及节点，搭配MiniMax H3极致情感演绎

2 次阅读阅读全文

2026年9月3日

音乐模型11:08

Suno 48小时内连吃两起新官司：音乐人集体诉讼+加拿大版权机构SOCAN起诉

0 次阅读阅读全文

2026年8月25日

语音模型11:14

Murf 推出 Falcon 2：号称实时语音代理里最快的 TTS，1 美分一分钟，10 秒音频就能克隆品牌声音

4 次阅读阅读全文

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

6 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

12 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

21 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

30 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

12 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

28 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

17 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」

30 次阅读阅读全文

已显示 12 / 66 篇文章