Fish Audio 的 OpenAudio S1：新一代语音生成，让机器也能“声临其境”！
OpenAudio S1 是 Fish Audio 推出的多语言 TTS 模型，基于超过200万小时的音频数据训练，采用双自回归架构和强化学习与人类反馈技术。支持13种语言、40亿参数版本及5亿参数开源版，并具备零样本语音克隆功能。
TTS模型
在线教程丨刷新TTS模型SOTA，OpenAudio S1基于200万小时音频数据训练，深刻理解情感及语音细节
HyperAI超神经官网推出OpenAudio-s1-mini教程，介绍高效文本转语音生成工具。OpenAudio S1包含OpenAudio-S1和OpenAudio-S1-mini版本，在大规模音频数据上训练，参数扩展至40亿，并引入奖励建模及RLHF训练机制，显著提升音频质量、情感表达和说话人相似度。该模型仅需每百万字节15美元（约0.8美元/小时），支持多种情感、语调和特殊标记。HyperAI超神经提供免费RTX 4090资源体验OpenAudio-s1-mini功能。
盲测击败了ElevenLabs的一款TTS：Chatterbox
Resemble AI 推出免费开源 TTS 模型 Chatterbox，在盲测中击败 ElevenLabs，具备情感控制能力，并支持语音克隆和风格定制。
这可能是目前最强的TTS，10秒复刻你的声音
怪怪的TTS让作者关掉公众号的朗读功能，直到体验到新的TTS模型后才改变看法。MiniMax Audio模型具备顶尖TTS技术、高精度声音克隆和丰富的音色效果等亮点，支持多个语种，并且海外版具有更出色的效果。
情感语音的“开源先锋”！网易开源的一款TTS神器，2000种声音随意切换！
网易有道 EmotiVoice 开源模型支持多语言和多种音色，具有情感合成功能。通过Docker镜像或本地安装方式快速部署使用，满足开发者和企业多样化需求。
语音转文本，文本转语音：OpenAI 发布了 2 套新模型，1 个新网站
OpenAI 发布三款新模型：语音转文本（STT）和文本转语音（TTS），以及一个调试工具网站 OpenAI.fm。STT 模型价格更优且性能更好；TTS 效果一般但可控性强；PlayGround 界面友好，支持代码导出功能。
