语音合成

Suno 在其 AI 音乐生成器中加入 Speech 功能，可在单条音轨内生成朗读文本并自动匹配背景音乐，官方定位为诗歌、冥想与睡前故事等场景，但未披露模型训练方式。

AI 音乐生成平台 Suno 推出语音生成功能，进入公开测试，可在网页与移动端根据脚本或提示词生成旁白，并同时产出配套背景音乐。

AI 语音公司 ElevenLabs 在一笔 3 亿美元的员工股权要约中估值翻倍至 220 亿美元，由 Wellington 与 T. Rowe Price 联合领投。这既是语音赛道被重新定价的信号，也折射出 AI 公司用老股交易替代传统融资的新常态。

Hugging Face 推出 Open TTS Leaderboard，为多语言文本转语音与声音克隆提供可扩展的横向评测基准，试图填补开源语音模型长期缺乏统一比较标准的空白。

ElevenLabs 推出新一代语音模型 Eleven v4，在笑声、耳语等副语言线索上跟随更准，长内容中的音色一致性显著提升；Turbo 变体首字延迟低至 150 毫秒，面向实时语音智能体。

语音 AI 公司 Modulate 完成 2500 万美元融资，其模型既用于语音生成，也用于检测深伪、欺诈与诈骗，把「造假」与「打假」放在同一条技术栈上。

TechCrunch与ElevenLabs CEO对谈，这家据报估值220亿美元的AI语音公司正支撑大量客服通话；CEO认为企业应当告知用户对面是机器，直到人们习以为常为止。

Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音合成模型，支持超 100 种语言，可通过文字描述凭空生成新音色，并能在单份脚本中生成双人对话。

Google DeepMind 放出 Gemini 3.8 文本转语音的预告，延续 Gemini 系列多模态能力向语音端的延伸。本文梳理这次发布的位置、TTS 赛道的竞争格局，以及它对开发者和产品方的实际意义。

阿里 Qwen 团队推出 Qwen-Audio-3.1 系列五款模型，覆盖语音识别、语音合成与实时交互，并大幅下调 AI 音频服务价格，最高降幅达 95%。

冰岛语音模拟平台 Treble 完成 1800 万美元融资，其产品被语音 AI 模型开发者、AI 可穿戴设备与机器人公司用于生成和测试语音交互场景。

安全研究员在分析一款名为 Dora 的欺诈约会应用时，收到了一位“41 岁红发女性”的来电。这起案例揭示 AI 正让约会诈骗从文字聊天升级为语音甚至视频互动。