Topic
#text-to-speech
按主题聚合的新闻视图。
Topic Feed
主题：text-to-speech
共 4 条
ElevenLabs 发布 Eleven v4，让 AI 语音更生动、更一致。
ElevenLabs 发布了 Eleven v4 及低延迟版本 Eleven v4 Turbo，提升了表演指令遵循能力、长篇语音一致性和声音克隆效果，并支持超过 90 种语言。标准模型每次请求最多可处理 10,000 个字符，而 Turbo 据称可在约 150 毫秒内开始输出音频。
Google推出可用提示词设计声音的Gemini Flash TTS
Google推出了Gemini 3.8 Flash TTS和Gemini 3.8 Flash-Lite TTS，支持以100多种语言生成语音。Flash TTS可以根据文字描述从零设计声音，也能用30秒样本克隆声音，而Flash-Lite则面向低成本、大规模生产。
Gemini 3.8 TTS 演练场支持多角色与自定义语音
Simon Willison 发布了一个自带密钥的浏览器端演练场，用于体验 Google 新推出的 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts 模型。该工具支持超过 2,000 种语音、多角色对话，以及通过一段获得授权的 30 秒音频样本创建自定义语音。
Qwen Audio 3.0 TTS Plus 登顶语音合成榜单
阿里巴巴的 Qwen Audio 3.0 TTS Plus 已经在文本转语音排行榜中位居前列。这个版本包含两个变体：Flash 主要面向实时交互，延迟约为 300 毫秒；Plus 则侧重更高质量的语音输出。