术语slug: tts

文本转语音

TTS

将文本转换为自然语音的接口能力,与 ASR 一同首次开放

收录情报动态

共 21 篇 · 第 1/3 页
IT之家 · 智能时代T2·开发与工程
42 分
谷歌 Gemini 移动端上线 66 种地区语音

谷歌为移动平台 Gemini 应用推出 66 种地区语音,覆盖 7 类语言,重点还原英式、印度英语等真实地方口音与语速节奏。该能力同时适用于 Gemini Live 对话与文本转语音播放,用户可在语音设置或对话中切换。

量子位官网T2·开发与工程
78 分
DeepSeek 开放全家桶 API 支持 1:1 复刻 App

DeepSeek 正式开放全家桶应用 API,将联网搜索、深度思考搜索、文件上传、链接阅读及首次开放的语音识别与合成能力拆分为独立接口,支持单独调用与分别计费。官方称开发者可 1:1 复刻完整 DeepSeek App,并同步开源轻量级聊天前端 Demo。相比 10 月需自行串联工具调用的 Search/Fetch 接口,新接口由模型自动完成搜索决策与多步衔接。

Rohan Paul (@rohanpaul_ai)T2·开发与工程
72 分
DeepSeek 开放完整应用能力 API 含搜索与语音

DeepSeek 将自家 App 背后的完整能力通过 API 开放,开发者用少量参数即可启用联网搜索、文件与 PDF 解析、链接读取、内容安全过滤和语音能力,也可单独调用 OCR、ASR、TTS 等独立接口。官方同时提供开源前端 Demo,支持导入 DeepSeek 历史对话,意味着开发者可近乎复刻整个 DeepSeek App。

AntLing (@AntLingAGI)T1·开发与工程
42 分
用户搭建本地语音助手 集成 Ming-3.0 与 DeepSeek

开发者 Joey 展示了一个完全离线的家庭语音助手原型,采用 DeepSeek V4.1 Flash 负责推理,Ming-3.0 模型分别处理语音识别(ASR)和合成(TTS)。该方案运行在 NVIDIA DGX Spark 和 Mac mini 上,实现了零云端依赖的低延迟交互。目前代码仓库尚未公开,仅处于个人演示阶段。

Artificial Analysis (@ArtificialAnlys)T1·基座大模型
78 分
Fish Audio Drama 3 登顶开源 TTS 榜单

Fish Audio 发布 Drama 3,在 Artificial Analysis 语音竞技场中成为排名第一的开源权重模型。该模型在发音鲁棒性基准测试中以 94.6% 的成绩位居所有模型之首,并提供极具竞争力的每百万字符 15 美元定价。