音频模型

语音、音乐与音频理解模型 · 40 篇

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」

0 次阅读阅读全文

2026年8月3日

语音模型11:16

Irodori-TTS v4 Small 开源：766M 参数日语 TTS，用 Emoji 控制语气和拟声，零样本克隆最长 120 秒参考音频

5 次阅读阅读全文

语音模型01:11

Audio8 TTS 开源：0.6B 小模型实现 11 语言零样本语音克隆，RTF 仅 0.116

4 次阅读阅读全文

2026年8月2日

语音模型11:08

OpenAI 给 GPT-Live 语音加上隐形水印：SynthID 音频验证上线，EU AI Act 前一天踩点交付

6 次阅读阅读全文

2026年8月1日

语音模型11:14

Baseten 上线 Qwen3-TTS 语音克隆微调：三种克隆方式对比，SFT 模式 TTFA 快 16%

6 次阅读阅读全文

2026年7月28日

语音模型11:21

MiniMax Speech 2.8 发布：AI语音学会嗯…啊…，10秒克隆你的声音

12 次阅读阅读全文

2026年7月18日

语音模型11:17

AssemblyAI 推出 Sync API：一个 HTTP 请求完成语音转写，延迟仅 134ms

9 次阅读阅读全文

2026年7月17日

语音模型11:13

Google Vids 推出个人数字分身：上传一张自拍和一段语音，AI 就能替你说话

15 次阅读阅读全文

2026年7月15日

语音模型11:09

AssemblyAI 推出 Sync API：短音频转录一次请求搞定，134ms 返回结果

9 次阅读阅读全文

2026年7月8日

语音模型11:23

Cohere 发布阿拉伯语 ASR 新 SOTA：2B 参数开源模型，WER 比 Whisper 低 11 个点

10 次阅读阅读全文

2026年7月7日

语音模型11:37

AssemblyAI Universal-3.5 Pro：原生语码转换、最准说话人分离，ASR 模型解决真实音频三大痛点

13 次阅读阅读全文

2026年6月29日

语音模型11:10

ElevenLabs 接入 Google SynthID 水印：AI 生成音频终于有了「隐形身份证」

12 次阅读阅读全文

已显示 12 / 40 篇文章