#语音合成

共 27 篇相关文章

ElevenLabs 发布全新 v4 语音合成模型，支持 90 种语言、更精细的表现力控制，并可通过 10 秒音频完成声音克隆。本文解析其核心升级与潜在风险。

谷歌发布Gemini 3.8 Flash TTS与Flash-Lite TTS两款文本转语音模型，支持定制角色语音和场景对话，全面接入Google AI Studio、Gemini API、Enterprise、Notebook和Vids。解析双模型定位与全线整合策略。

谷歌 Gemini 文本转语音（TTS）功能在 Hacker News 引发热议，本文梳理该话题背景、语音合成的行业意义以及评估 TTS 能力的关键维度，帮助读者理性看待多模态语音赛道竞争。

DeepSeek语音朗读中日文混读文本时出现"大佐口音"和中式日语，本文解析这种趣味现象背后的语音合成技术原理，探讨多语言TTS在语言切换与韵律建模上的挑战与进步。

Mistral发布Voxtral TTS开源权重语音合成模型，支持9种语言与方言、情感表达自然、延迟极低，并可便捷适配新音色，为开发者提供可本地部署的高质量TTS选择。

深度复盘小米mimo-v2-tts语音合成模型的实际使用体验，揭示文档中括号与圆括号标注矛盾、音频标签内容被错误朗读、后端请求串流返回无关音频三大严重问题，并给出开发者避坑建议。

经实战验证的MoS-TTS-Nano本地部署教程，0.1B参数超轻量TTS语音合成模型无需GPU，四核CPU即可流畅运行。涵盵Conda环境配置、pynini安装踩坑解决、模型下载及Gradio WebUI启动全流程。