Artificial Analysis 发布 TTS 口音评测,指出口音会显著影响语音合成模型的排名表现。Qwen-Audio-3.1-TTS-Plus 在美式英语中领先,HeyGen Voice 在英式英语中更优并位居总榜首位。
语音合成
Text-to-Speech (TTS)
将文本转换为自然流畅的人类语音的技术
收录情报动态
OpenRouter 宣布 HeyGen Voice Turbo 文本转语音模型即日起免费开放至11月30日。该模型支持39种语言及超过2900种音色,单次请求上限5000字符,以44.1 kHz音频流式输出。作为低延迟版本,它曾在 Artificial Analysis TTS 排行榜中位居前列。
语音 AI 公司 Deepgram 宣布收购开源框架 Pipecat 的开发商 Daily,旨在整合实时语音与视频基础设施能力。尽管交易金额未披露,双方承诺 Pipecat 将保持开源状态。此举反映了语音 AI 赛道正通过并购加速基础设施层的整合与竞争。
AssemblyAI 发布其首个文本转语音模型 AssemblyAI-TTS-1,并正式接入 OpenRouter。该模型专为语音智能体设计,支持流式传输(90ms 延迟)和 4000+ 种声音,定价为每百万字符 15 美元。第三方基准测试显示其在速度、准确性和自然度方面表现优异。
AssemblyAI 推出其首款文本转语音模型 AssemblyAI-TTS-1,在 Artificial Analysis 的 Provider Voice 和 Controlled Voice 基准测试中分别位列第 12 和第 10。该模型在发音鲁棒性方面表现稳健,且定价策略极具竞争力,显著低于多数头部竞品。
Voice Arena 推出法语、德语等五种新语言的 TTS 排行榜,采用母语者盲测投票机制。ElevenLabs 模型在所有五个新榜单中均排名第一,领先幅度达 11-26 Elo 分。
蚂蚁集团发布并开源了仅含 0.5B 参数的文本转语音模型 Ming-3.0-tts,采用 MIT 许可证。该模型在 Artificial Analysis 的语音合成排行榜中跻身前三,成为唯一参数量低于 1B 的顶尖模型,相比其他主流开源 TTS 模型实现了 7 至 70 倍的参数压缩。
HeyGen 发布新模型 HeyGen Voice Turbo,在 Artificial Analysis 受控语音竞技场中位列第一。该模型以每百万字符 4 美元的价格大幅降低使用成本,并在发音鲁棒性和特定口音表现上优于前代及竞品。
Mistral AI 推出 Voxtral 3 系列,包含两个新的语音转文本模型和一个新的文本转语音模型,覆盖超过 50 种语言。这些模型旨在驱动其新的语音代理 API,并已在 OpenRouter 上线供开发者调用。
HeyGen 推出的新文本转语音模型 HeyGen Voice 正式接入 OpenRouter,并在 Artificial Analysis TTS 盲测榜单中位列第一。该模型提供标准版与低延迟 Turbo 版两种模式,API 用户在 10 月 31 日前可享受每百万字符 15 美元的半价优惠。