Hugging Face 推出 Open TTS Leaderboard,评估多语言 TTS 与语音克隆
Hugging Face 发布 Open TTS Leaderboard,用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评估开源多语言 TTS 与语音克隆模型。排行榜支持按语言和语音克隆切换,并设有 Listen 和 Streaming 标签页分别对比试听和评估首音频延迟;评估脚本将很快开源。
Hugging Face 发布 Open TTS Leaderboard,用 WER/CER、RTFx、TTFA 和说话人相似度等客观指标评估开源多语言 TTS 与语音克隆模型。排行榜支持按语言和语音克隆切换,并设有 Listen 和 Streaming 标签页分别对比试听和评估首音频延迟;评估脚本将很快开源。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,支持自然语言提示创建自定义角色声音、30 秒样本语音复制和逐句表演指导。模型覆盖超 100 种语言与 2000 多个现成语音,现已上线 Google AI Studio 和 Gemini API,企业版稍后推出。
推荐理由:原文给出两款 TTS 模型的可用入口与核心能力变化,便于判断其如何适配配音、有声书和语音代理场景。
Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking,主打近实时推理与语音智能体能力。
推荐理由:原文给出 82.6 的语音质量指数与多组语音智能体基准分数,可据此比较前沿语音模型在生产场景中的能力与成本。
Mistral 与 HUMAIN 宣布建立战略合作,在沙特阿拉伯及中东地区推进主权 AI。合作涵盖 AI 基础设施、先进模型开发与解决方案部署,初期聚焦网络安全和语音,并计划开发阿拉伯语表现强劲的前沿模型。合作规模达数亿欧元,Mistral 还将探索使用 HUMAIN 数据中心基础设施,并共同制定面向受监管行业的市场策略。