标签：tts

开源项目RadioNowhere发布1.0.0版本，这是一款由AI Agent驱动的智能音乐电台。项目经过大规模重构，显著提升了播放流畅度与页面美观度，并优化了Gemini TTS调用逻辑以规避速率限制。尽管目前仍存在节目切换困难及内容重复...

赞(0)Toy2026-01-26前沿 阅读(23)去评论

阿里通义千问团队正式发布开源文本转语音模型系列Qwen3-TTS。该模型在语音生成质量和速度上均有显著提升，端到端合成延迟低至97ms，实现真正的实时流式生成。核心亮点包括仅需3秒音频即可完成快速克隆，以及支持用自然语言描述来自由设计语音的...

赞(0)Toy2026-01-23前沿 阅读(36)去评论

开发者分享了名为RadioNowhere的AI驱动电台预览版，该电台完全由AI Agent控制，实现了节目生成、音乐选择与语音播报的自动化。项目支持自建API接口，内置了微软TTS接口供免费使用。目前该项目仍处于早期阶段，存在音乐播放不稳定...

赞(0)Toy2026-01-12前沿 阅读(40)去评论

indexTTS 2.5已在arXiv发布技术报告，显著提升了多语言覆盖范围、推理速度和语音合成整体质量。该模型基于Transformer架构，包含文本到语义（T2S）模块和非自回归语义到梅尔（S2M）模块，实现零样本神经文本到语音功能。实...

赞(0)Toy2026-01-08前沿 阅读(68)去评论

近期，一位视频创作者面临挑战，需让AI处理数千字口播稿，涉及专业术语和地名。尝试了Google的Flash 2.5 TTS技术后，效果不佳，现寻求业界最强解决方案。这一需求凸显了AI语音合成在专业内容创作中的关键作用，反映了技术瓶颈与行业进...

赞(0)Toy2026-01-08前沿 阅读(55)去评论

互联网曾是自由探索的圣地，但如今沦为AI驱动的注意力工厂。TTS AI生成同质化内容，算法控制社交和创作，加速了技术垄断。文章引用哲学家Ivan Illich的“共享工具”理念，揭示技术如何从增强自由变成奴役人类。解决方案是回归个人网站——...

赞(0)Toy2026-01-02前沿 阅读(40)去评论

在Linux.do社区，用户讨论使用transformers.js运行Kokoro-82M模型实现离线Web端TTS（文本转语音）功能。用户反馈模型运行延迟较高，虽可用但体验不佳，寻求更高效的替代方案。这反映了在浏览器环境中部署大型Tran...

赞(0)Toy2025-12-29前沿 阅读(40)去评论

Gemini Live TTS是一个开源项目，通过修改Google Live API实现了高效实时文字转语音（TTS）功能。用户可通过Google账号在线体验demo，项目源码托管于GitHub（yeahhe365/Gemini-Live-...

赞(0)Toy2025-12-28前沿 阅读(47)去评论

用户在配置3060ti-8G、内存16G的机器上测试了多个indexTTS2整合包，发现生成同23字符文本的速度差异巨大，从9秒到120秒不等。文章还对比了GLM-tts、gpt sovits和CosyVoice3等语音合成技术，指出ind...

赞(0)Toy2025-12-22前沿 阅读(55)去评论

TTSFM v3.4: Free OpenAI TTS alternative with speed optimizations, audio conversion, and two variants for different user needs.

赞(0)Toy2025-12-18前沿 阅读(65)去评论

Alibaba launches CosyVoice3, a low-VRAM local TTS tool supporting multilingual synthesis and zero-shot voice cloning.

赞(0)Toy2025-12-16前沿 阅读(72)去评论

YC F24批次初创公司Cekura专注于构建AI代理的可靠性层，提供测试和可观察性解决方案。公司由IIT Bombay和ETH Zurich校友创立，利用AI生成数据集模拟真实对话场景，从订购食物到预约面试，帮助团队优化语音和聊天代理性能...

赞(0)Toy2025-12-16前沿 阅读(57)去评论

近期，作者在使用讯飞和豆包的TTS技术合成表演串词时，发现合成效果平淡，即使调整停顿也难以达到真实感，情感表达更是不足。与专业录音对比后，差距明显。随后，尝试用AI将专业录音转换为所需音色，虽保留了人声情感，但音色变得不自然。这一经历暴露了...

赞(0)Toy2025-12-15前沿 阅读(57)去评论

智谱公司近期在人工智能领域动作频频，本周连续推出了AUTO-GLM、GLM-ASR、GLM-4.6V和GLM-TTS等一系列开源模型。其中，GLM-TTS作为文本转语音模型，为AI语音合成领域带来了新的技术选择。此次密集开源展示了智谱公司在...

赞(0)Toy2025-12-14前沿 阅读(61)去评论

智谱本周重磅发布了5款开源模型，涵盖GLM-4.6V多模态大模型、CogVideo家族视频生成模型、CogView家族图像生成模型以及GLM-TTS语音合成技术。公司将于北京时间12月11日傍晚6点至晚10点举办AMA活动，邀请模型训练团队...

赞(0)Toy2025-12-11前沿 阅读(64)去评论