语音合成

Suno 10 月 1 日推出 Speech 测试版：输入文字、描述声音和音乐风格，一次生成带原创背景音乐的语音。讲清它能做什么、和纯语音合成的区别，以及已知的口音漂移问题。

ElevenLabs 在 9 月 30 日宣布完成 3 亿美元员工股份回购，估值达 220 亿美元，较 2 月 D 轮融资时翻倍。回购由 Wellington 与 T. Rowe Price 领投，Andreessen Horowitz、Lightspeed 等参与。本文梳理回购结构与语音智能体业务增长数据。

Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS，两款语音生成模型分工明确：一个主攻创意配音，一个主打低成本量产。本文讲清定位区别、价格和适合谁用。

2026 年 9 月 23 日，通义千问发布 Qwen-Audio-3.1 语音模型系列，ASR、TTS、实时语音全面升级并新增两款 Next 模型，全线最高降价 95%。适合做语音助手、会议转写、配音场景的开发者和团队。

**通义发布 Qwen-TTS：高真实感语音合成，支持多方言与多音色** 阿里巴巴通义团队于近日正式发布了 Qwen-TTS 模型，这是一款基于大规模语音数据集研发的文本转语音（TTS）模型，通过数百万小时的语音训练，生成的声音在自然度、韵律、节奏和情感表达上达到了极高水平。用户可通过 Qwen API 调用体验，适用于教育、娱乐、智能客服等多种场景。 **核心特点** * **高真实感语音合成*...

**OpenAudio S1 正式发布：AI 语音合成进入“可导演”时代** **一、产品概述** 2025 年 6 月，Hanabi AI 正式发布其最新一代语音生成模型 OpenAudio S1，标志着 AI 语音合成技术迈入“可导演”时代。该模型由 Fish Audio 平台提供支持，具备前所未有的自然度、情感表达力和实时控制能力，适用于视频配音、有声书、播客、AI 伴侣、游戏等多种场景。 ...