一个开源的高性能文本转语音（TTS）代理服务
edgetts-edgeone-pages是一个部署在 EdgeOne Pages 上的高性能文本转语音（TTS）代理服务。它巧妙地将微软 Edge 强大且自然的语音合成服务，封装成了一个兼容 OpenAI API 格式的接口。这使得开发者可以无缝地将各种现有
tts
AI语音合成技术的现状与发展
人工智能的快速发展正在深刻改变人们的生活方式，其中，语音合成（Text-to-Speech, TTS）技术是最受关注的领域之一。语音合成的目标是将文字转化为自然、流畅的语音，使机器能够以接近人类的声音与用户交流。近年来，随着深度学习和大模型的引入，AI语音合成
153MB小更新！鸿蒙版能开播，微信QQ补齐短板，老机型却无缘
这几天看更新日志的时候，我突然发现一个细节：鸿蒙并没有因为6.0进入二期内测就放慢5.1的脚步，反而在9月底加速了。
VoxCPM：无需分词的TTS和语音克隆AI
大多数文本到语音系统遵循相同的配方：将语音分解成称为标记的小符号块，然后将其重建为声音。这在纸上看起来很整洁，但实际听起来可以听到缺陷。机械化的表达、断断续续的语调，声音听起来像是在实验室里拼凑出来的。
声网 AI 模型评测平台新增多项评测维度 模型选择数量提升3倍
声网 AI 模型评测平台（对话式）2.0 版本近日正式上线，评测维度迎来重磅升级：测试区域新增至10个，覆盖全球各大洲核心城市；模型可选择数量提升3倍；ASR 模型新增多种语言下的错词率评估；TTS 模型新增中英文场景下的词错误率和字母数字性能对比，同时 TT
语音合成革命！B站IndexTTS-2.0开源，AI说“人话”还能卡准时长
英文版《甄嬛传》里华妃的冷笑带着原汁原味的跋扈，“曹操大战孙悟空”的荒诞剧情配上贴合角色情绪的配音，甚至还有坦克飞天的搞笑视频里，解说员的语调比真人还到位。
AI配音新纪元来了，B站开源引爆全球，零样本TTS不再只是梦想
你有没有注意到，最近B站上出现了不少让人忍不住反复看的AI配音视频？ 无论是英文版《甄嬛传》，还是“曹操大战孙悟空”，这些作品里的声音，不仅像极了原角色，连细腻的情感和语调都能还原得惟妙惟肖。
一键生成 90 分钟 4 人对话语音！VibeVoice-1.5B 重新定义 TTS 技术边界
VibeVoice-1.5B 是由微软于 2025 年 8 月发布的新型文本到语音（TTS）模型，能生成富有表现力、长篇幅、多说话者的对话式音频，如播客。模型通过创新的连续语音标记化技术和下一代标记扩散框架，结合大型语言模型（LLM），实现高效处理长序列音频的
真正的“惊喜”来了！BiliBili 推出革新级文字转语音模型 IndexTTS2
“你翻译翻译，什么叫作‘惊喜’？”对于互联网用户来说，这句流行语代表着意料之外的美好。在过去，我们常用 AI 语音合成工具，为视频、短剧配音，但那些声音——不是“机械感”强烈，就是千篇一律，缺乏“温度”。用户渴望的不只是冰冷的机器播报，而是能传递情感、富有人性
宏泰船业为土耳其TTS建造8330DWT散货船&STAR&
2025年9月12日晚，土耳其TTS 船务公司和台州市宏泰船业有限公司成功举行了隆重的交船仪式和晚宴，并顺利签署了8330DWT散货船"DENIZ STAR"号的交接文件。9月15日下午3点半，“DENIZ STAR” 号从园山涉外码头正式启航远行。此次合作得
tts 宏泰 散货船 8330dwt散货船 8330dwt 2025-09-16 06:11 3
小米发布ZipVoice系列模型，语音合成新突破！
小米集团 AI 实验室今日宣布，旗下 Kaldi 团队上个月发布了基于 Flow Matching 架构的 ZipVoice 系列语音合成（TTS）模型，包括：
B站IndexTTS-2.0全面开源：零样本TTS技术革新，精准调控语音时长与情感
哔哩哔哩（B站）Index团队近日宣布，其自主研发的零样本文本转语音（TTS）系统IndexTTS-2.0正式开源。该系统以情感可控、时长可调为核心特性，被业界视为推动零样本TTS技术从实验室走向实际应用的重要突破。
B站开源IndexTTS-2.0：突破自回归TTS时长与情感控制瓶颈
近日，哔哩哔哩（B站）Index团队正式宣布，其自主研发的情感可控、时长可调的自回归零样本文本转语音（TTS）系统——IndexTTS-2.0，已全面开源。
哔哩哔哩自研语音生成大模型IndexTTS-2.0正式开源
B站（Bilibili）昨日（9 月 8 日）发布公告，宣布正式开源其自研语音生成大模型 IndexTTS-2.0，是首个支持精确时长控制（Duration Control）的自回归（Autoregressive）零样本文本转语音（TTS）系统。
告别无效计算！新TTS框架拯救19%被埋没答案，推理准确率飙升
大语言模型通过 CoT 已具备强大的数学推理能力，而 Beam Search、DVTS 等测试时扩展（Test-Time Scaling, TTS）方法可通过分配额外计算资源进一步提升准确性。然而，现有方法存在两大关键缺陷：路径同质化（推理路径趋同）和中间结果
当AI开始用你的数据说话：一场静悄悄的效率革命正在发生
清晨9点，办公室的灯光还未完全亮起，一个清晰、冷静的声音已经通过音响系统在办公区内响起：“各位同事早安，现在播报昨日运营数据。全平台销售额突破500万元，环比增长12%，新用户转化率提升至8.7%...”
微信内测AI播客功能，或将改变新闻资讯获取方式
这一功能的入口颇为隐蔽，藏匿于微信的“快讯”模块中。对于不常浏览公众号的用户而言，“快讯”可能悄然出现在公众号页面的顶端，而对于频繁打开公众号的用户，它则可能隐匿不见，此时需通过搜索栏输入“快讯”方可进入。
Kitten-TTS：CPU可运行的最小TTS模型
如今大多数文本转语音模型都过于庞大。像Whisper一样大，拥有数十亿参数，需要GPU才能断断续续地说出“Hello World”。即使是那些声称是“轻量级”的模型，最终也需要比你的手机更多的芯片。当然，有很棒的声音，但只有在你拥有强大的GPU时才可用。
【粤语ASR&TTS】粤语语音识别与合成：重塑粤语智能化标杆
随着人工智能技术的发展，语音识别和合成技术日益成熟，逐渐成为人机交互的重要组成部分。在众多语言中，粤语以其独特的文化魅力和广泛的应用场景吸引了大量的关注。本文将探讨广州深声科技有限公司（以下简称“深声科技”）在粤语语音识别与合成技术领域的探索与突破。
使用 NVIDIA Triton 和 TensorRT-LLM 部署 TTS 应用的最佳实践
针对基于 Diffusion 和 LLM 类别的 TTS 模型，NVIDIA Triton 和 TensorRT-LLM 方案能显著提升推理速度。在单张 NVIDIA Ada Lovelace GPU 上，F5-TTS 模型每秒可生成长达 25 秒的音频；Sp
nvidia tts triton nvidiatriton 2025-06-11 10:59 13