AI 配音
用文字或几秒参考音频就能生成自然语音，AI 配音让有声内容、课程和角色配音不再依赖录音棚与专业声优。
AI 配音建立在 TTS 与音色克隆之上，Qwen3-TTS、GLM-TTS、MOSS-TTS-Nano 等开源模型已能三秒复刻嗓音并控制情绪。做有声内容先看清它支不支持多语言、能否本地 CPU 跑、克隆要不要授权。
阿里 Qwen 发布 Qwen-Audio-3.1：一口气五款语音模型，ASR 降价 95%
2026 年 9 月 23 日，阿里 Qwen 团队正式发布 Qwen-Audio-3.1 语音大模型全家桶：五个新模型一次到位，覆盖语音识别（ASR）、语音合成（TTS）、实时语音交互（Realtime），外加两个全新的"Next"系列——Qwen-Audio-3.1-ASR-Next 与 Qwe...
Admin
216 
MOSS-TTS-Nano 解析：0.1B 开源多语言 TTS，CPU 也能实时语音生成
一、摘要 MOSS-TTS-Nano 是 OpenMOSS 与 MOSI.AI 发布的开源多语言语音生成模型，定位是“小体积、低延迟、可部署”。它约 0.1B 参数，支持实时语音生成与语音克隆，强调 CPU 友好和本地集成，适合做轻量 Demo、浏览器服务和嵌入式产品原型。 二、核心特性 1、多语言...
Admin
748 
Qwen3-TTS 开源发布：12Hz 高压缩 tokenizer + 3 秒音色克隆怎么玩
一、摘要 Qwen3-TTS 是 Qwen 团队开源的文本转语音（TTS）模型系列，包含 VoiceDesign（文字描述生成新音色）、CustomVoice（指令控制既定高质量音色）与 Base（快速音色克隆与微调基座）。项目同时开源代码与权重，并提供 12Hz 语音 tokenizer 以实现更...
Admin
232 
GLM-TTS 全面开源：3 秒音色克隆与情绪可控的工业级语音合成
一、摘要 GLM-TTS 是面向工业级语音生成的开源 TTS 系统，支持仅 3 秒语音样本的音色克隆，并提供可控的情绪表达能力。其架构采用两阶段生成流程，并引入基于 GRPO 的强化学习机制，在字符错误率（CER）与情感维度达到开源领先水平。项目强调低训练成本与高可扩展性，适用于教育、电子书、有声内...
Admin
292