xAI正式推出Grok Voice 3.0，这是一款语音到语音（speech-to-speech）模型，可通过xAI API直接调用，并且定价与上一代模型保持一致。官方强调，该模型具备亚秒级响应延迟，能够显著提升实时语音交互体验。在独立基准...

ElevenLabs正式推出Eleven v4及Eleven v4 Turbo，这是其迄今最具情感表现力的文本转语音模型。Eleven v4能够识别并生成语气、节奏、情绪、角色和上下文等细微变化，使合成语音呈现戏剧化、温柔、紧迫、喜剧或日常对...

Halo Neuro正式发布Sopro V2语音克隆文本转语音模型家族，并开源其中的轻量级多语言模型Sopro V2 Turbo。该模型仅120M参数，具备语音克隆能力，支持多语言合成，并原生支持欧洲葡萄牙语，能够在笔记本CPU和浏览器环...

OpenAI 近期公开了其低延迟实时语音系统 GPT-Live 的技术细节，展示了一套仅用六个月构建的全新架构。区别于传统的轮流发言模式，GPT-Live 采用了全双工语音模型，能够实现一边聆听一边发言的连续对话，大幅减少了交...

微软首个原生实时语音模型“MAI Realtime”日前在MAI Playground中以隐藏早期访问条目浮出水面。该模型采用双向全双工架构，能够同时监听与说话，彻底打破传统语音助手“你一句我一句”的轮流对话模式。目前提供Victoria...

微软正式推出两款全新自研AI模型——MAI-Image-2.5-Pro和MAI-Voice-2-Flash，进一步强化其在多模态生成领域的布局。MAI-Image-2.5-Pro专注于高保真图像生成与编辑，能够根据复杂文本描述生成细节丰富、构图精准的高质...

OpenAI 正式推出新一代语音模型 GPT-Live，现已驱动 ChatGPT 语音功能。该模型采用全双工架构，允许 AI 在说话的同时持续倾听，彻底打破传统一问一答的交互模式，实现更接近人类自然交流的同步对话。GPT-Live 能够实...

OpenAI正式推出新一代语音模型GPT-Live，并已作为核心引擎驱动ChatGPT Voice。该模型首次实现了真正的全双工交互能力，能够同时进行聆听与讲话，彻底告别传统语音助手“轮流发言”的机械感。GPT-Live不仅可以捕捉和处...