音频模型

语音、音乐与音频理解模型 · 59 篇

2026年10月8日

语音模型11:06

Amazon Nova 2.5 Sonic 正式商用：语音Agent能边聊边查订单了，价格还不变

0 次阅读阅读全文

2026年9月24日

语音模型11:05

Google 发布 Gemini 3.8 Flash TTS：一句话设计新声音，30 秒克隆真人，登顶 Hume 语音基准

8 次阅读阅读全文

2026年9月23日

语音模型11:05

阿里云栖大会升级 Qwen-Audio 3.1：能听懂情绪、按脚本生成整段有声内容，同传延迟压到 2.5 秒

3 次阅读阅读全文

2026年9月22日

语音模型11:08

Kyutai 一周内给 Pocket TTS 连更四刀：默认英语模型换新，还能训 Muon、跑波兰语

5 次阅读阅读全文

2026年9月16日

语音模型11:05

Google 发布 Gemini 3.8 Live 系列语音模型：边聊边干活，还能看懂你指的东西

4 次阅读阅读全文

2026年9月15日

语音模型11:21

Apple Siri AI 发布：Expressive Voices 让语音交互进入新时代

3 次阅读阅读全文

2026年9月14日

语音模型11:07

腾讯混元开源 AuK：一个 1.5B 模型，从零样本 TTS 到音频编辑全能覆盖

34 次阅读阅读全文

2026年9月13日

语音模型11:04

Azure AI Speech 推出 LLM Speech 2607：多语种更准、延迟快 3 倍的语音识别更新

11 次阅读阅读全文

2026年9月11日

语音模型11:08

OpenAI 语音模型 GPT-Live-1 开放 API：能同时听和说的语音 Agent，每分钟 5 美分

5 次阅读阅读全文

2026年9月8日

语音模型01:07

Breeze TTS 2：一个 3B 开源 TTS，把语音克隆、声音设计、多人对话全装进 ComfyUI

24 次阅读阅读全文

2026年9月7日

语音模型11:06

VoiceStudio 开源神器：本地跑完 ElevenLabs 全家桶，646 种语言语音克隆免费用

3 次阅读阅读全文

2026年9月5日

语音模型11:16

Meta 发布 Muse Voice Transcribe：首款实时音频感知模型，一次搞定 20 人对话转录

6 次阅读阅读全文

已显示 12 / 59 篇文章