1. 盘点一周AI大事(4月5日)｜叫AI老公多干活 OpenAI内测下一代生图模型「GPT-Image-2」 OpenAI工匠计划「Project Stagecraft」曝光 Google发布最强开源小模型「Gemma 4」 Anthropic研究发现Claude有170种情绪向量阿里发布最强开源多模态大模型「Qwen3.5-Omni」 Sakana AI 发布AI战略官「Marlin」微软发布最强语音识别模型「MAI-Transcribe-1」研究员开源最强声音克隆模型「LongCat-AudioDiT」研究员开源最强语音合成模型「OmniVoice」工程师开源AI同事「同事.skill」爆火首个一人独角兽公司「Medvi」诞生 #前沿科技趋势发布月 #AI新星计划 #AI #OpenAI #AIGC

2. 豆包视频生成模型Seedance 1.5 pro实测：音画同步、多角色对话、方言，一次生成

3. 内容创作者经常需要多个工具来处理音频：下载YouTube视频用yt-dlp，转录语音用Whisper，分离人声用Demucs，翻译和配音还要切换TTS服务，来回折腾超级麻烦。Voice-Pro 把语音处理的全流程整合到一个Gradio WebUI里，提供一站式AI语音工作站解决方案。不仅支持Whisper实时转录、Demucs人声分离，还能零样本语音克隆（F5-TTS、CosyVoice）、100+语言翻译配音，甚至YouTube一键下载处理。GitHub：github.com/abus-aikorea/voice-pro主要功能：- YouTube视频下载与Demucs人声分离，支持所有ffmpeg格式；- Whisper/Faster-Whisper/WhisperX高精度语音转录，90+语言字幕生成；- 零样本语音克隆：F5-TTS、E2-TTS、CosyVoice，支持多语言名人声音库；- 多语言TTS：Edge-TTS（400+声音）、kokoro，速度/音调/音量可调；- 实时翻译：100+语言即时翻译，支持ASS/SRT字幕文件；- 配音工作室：从下载到字幕-翻译-TTS全流程自动化输出WAV/MP3。支持Windows（NVIDIA GPU最佳）、Mac/Linux多平台，通过configure.bat一键安装依赖即可本地运行，适合播客主、UP主和开发者使用。#AI工具# #语音克隆# #开源AI#

4. 【开源】我做的机器鸭成精了...她会生气、撒娇、克隆我的声音

5. 张雪机车燃爆封神！国产2B语音模型重磅开源，全网听完都起鸡皮疙瘩

6. 搞钱必备！6个零门槛AI工具：视频超清修复、虚拟试衣、方言播客等一键生成

7. #央视揭AI仿声乱象#【触目惊心！#AI靠1秒音频偷走记者声音#】目前，AI技术克隆声音的门槛究竟有多低？近日，总台记者跟随网络安全专家做了一场声音克隆实验。实验中，记者录制了一句话的音频，网络安全专家随意截取了其中1秒音频作为克隆样本。仅仅几秒后，记者的克隆声音就朗读出了一段从未录制过的文字，音色、语调都与记者的原声高度相似！网络安全专家介绍，后期只要对克隆声音的语速、语气进行微调，就可以让它更接近真人发声，甚至做到以假乱真。他表示，随着AI克隆声音技术的使用门槛持续降低，技术滥用的风险也随之加剧。如何为声音克隆“上锁”？看↓↓关注！央视新闻的微博视频

8. 4月30日，xAI正式发布Grok自定义语音和语音库功能。用户仅需在xAI控制台录制约一分钟自然语音，即可在不到两分钟内获得个人声音克隆模型，并立即应用于Grok文本转语音（TTS）和Voice Agent API。该功能采用严格的安全验证流程，用户需先朗读验证短语，由语音转文本引擎实时匹配确认身份，再通过说话人嵌入技术比对录音一致性，确保只有本人才能创建自己的声音模型，无法克隆预录音频或他人声音，有效防止滥用。自定义语音为多种应用场景带来便利，包括为品牌客服代理赋予一致且可识别的专属声音、让内容创作者用本人声音大规模旁白视频和播客、为失声人士保留个人声音特征，以及支持多语言团队将演讲自然呈现于英语、西班牙语、法语、德语、中文、日语等多种语言。同时，它还适用于游戏角色配音、播客和有声书制作，无需反复进入录音室。全新语音库集成于xAI控制台，用户可在同一页面浏览、预览和管理所有自定义语音及超过80种内置声音（覆盖28种语言）。自定义语音完全继承Grok TTS的各项能力，包括语音标签、多语言输出和流式传输，且使用Text to Speech或Voice Agent API时不收取额外费用。xAI表示，此次更新大幅降低个性化语音的使用门槛，有望推动AI语音技术在客服、内容创作、娱乐和无障碍领域实现更多创新。目前开发者已可通过xAI控制台直接体验该功能。

9. 【#央视揭AI仿声乱象##1秒音频就能让声音被偷走#】从配音演员的声线被公然盗用，到名人的声音被随意克隆，AI声音侵权乱象频发。那么，目前AI技术克隆声音的门槛究竟有多低呢？在网络安全专家的实验室，记者亲身体验了一次AI克隆声音的全过程。实验中，记者尝试录制了一句话的音频作为声音克隆的素材。网络安全专家随意截取了其中1秒钟音频作为克隆样本，仅仅几秒钟后，记者的克隆声音就朗读出了一段从未录制过的文字。（央视网）http://t.cn/AXMqQJsx

10. 克隆配音新宠Dogdub火出圈！10秒克隆一个人的声音，还有上千名人声音

11. 实测字节Seedance 1.5 Pro，能直出方言的AI视频也来了。

12. 告别付费TTS？Resemble AI开源 Chatterbox 模型实测，支持零样本语音合成与表现力控制

13. 如何评价小米 3 月 19 日发布的 Xiaomi MiMo-V2-Pro / Omni/TTS?

14. 字节 Seedance 1.5 Pro 藏师傅实测：可以说方言的音画同出视频模型

15. 飞驰的阿卡：#全球首个藏语大语言模型DeepZang#藏语语法复杂、方言多（卫藏/康巴/安多）、语料稀缺，训练难度远高于通用大模型。团队啃下7000万条平行语料、3万+小时方言语音，完成国家双备案，把“冷门语言”做成了合规可用的原生大模型。懂技术的都知道，数据清洗、方言对齐、安全合规每一步都是硬骨头，这是真·技术攻坚。//@欧阳夏诺:哇，总感觉藏语很适合做成密码本

16. 面壁小钢炮的语音合成/语音克隆模型 VoxCPM发了个新版本： VoxCPM1.5模型地址： huggingface.co/openbmb/VoxCPM1.5这个版本是一次比较大的升级，音质和稳定性都有提升，支持44.1kHz 采样，支持全量微调和LoRA微调

17. 盘点一周AI大事(12月7日)｜首个AGI模型问世 OpenAI强行上线GPT5.2，跑分击败Gemini重夺地表最强 OpenAI下周发布图像模型绝地反击小香蕉 ChatGPT接入Adobe套装 Google推出顶级语音模型Gemini 2.5 TTS Google上线实时语音互译Gemini 2.5 Audio Google深度研究接入Gemini 3 Pro 智谱推出最强开源手机智能体AutoGLM-Phone-9B Runway推出通用世界模型GWM-1 Meta推出短剧视频模型OneStory Meta推出最强开源版客串Saber 字节发布最强自动驾驶视觉模型UniUGP 阿里开源最强运动控制视频模型WanMove 研究员开源换脸视频模型LivingSwap Integral AI 宣称构建了世界上第一个AGI模型 #抖音知识年终大赏 #AI新星计划 #人工智能 #OpenAI #AIGC

18. 小米推出了 OmniVoice ：开源的多语言语音克隆（TTS）模型，模型采用极简的双向Transformer架构，配合大语言模型优化，解决了传统TTS“读不准、发音怪、多语种拉胯”的问题，还支持噪声过滤、情绪控制、多音字纠错等实用功能。简单来说，你只需要给它一段语音，它就能学习你的音色，并且用你的音色说出全球600+种语言的任何文本，用你的声音说全世界的话。传统主流模型支持的语言种类太少，小米的这个OmniVoice连很多低资源小语种都覆盖到了。这种强大的跨语言克隆能力可以让小米全生态产品快速为不同国家/地区定制专属语音包，大大降低了针对单种语言单独开发的成本。小米全球生态的语言交互能力迎来了史诗级加强，非常利好各业务全球化展开～图一 OmniVoice 模型架构图二中英文测试集上的TTS性能对比图三 24个语种上 OmniVoice 与商用系统性能对比图四 102个语种上 OmniVoice 与真实语音的测试指标对比图五 102个语种上的 OmniVoice 生成语音与真实语音的字错误率（CER）及对应训练数据时长

19. //@ItsLiliana:我们的最新工作OmniVoice：我们设计了一个新的非自回归TTS架构，在极致简化的同时性能显著超越了此前模型。在此基础上，我们用纯开源数据打造出了一个超越商用系统的多语种语音克隆TTS模型，覆盖600+语种，也是业内首个覆盖上百语种的语音克隆TTS模型。欢迎大家试用体验。

20. 这两天学着用kimi code做两个工具，一个是本地部署的声音克隆工具，用阿里的CosyVoice2，这个模型本地部署需要的依赖特别多，所以失败了很多次。另一个是图表和图片的数据验证工具，用来查错。我们最近的节目，都在尝试用AI赋能。比如：说错或漏说的稿子，都不再补录音，而是用AI直接克隆，对比补录的环境声差异很小。这个可以用Pr的第三方插件，或者直接用MiniMax云端克隆就行。如果你喜欢折腾，也可以跟我一样，试试本地部署语音模型。还有就是动画空镜，这次大横评的开场用了一个，到时候大家可以看看效果。公司的飞书也接了一个OpenClaw，查询新闻、整理文稿，检索链接什么的，都非常方便。AI时代，还是得多学多试，让团队和工作都能升维。

21. 在线语音合成技术日新月异，阿里云Qwen团队最新开源的Qwen3-TTS项目，非常强大！它支持多语言（中英日韩德法俄葡西意等10种，以及多方言），拥有超低延迟流式合成功能，甚至能按自然语言指令智能调控声线的情绪、语调和节奏，真正实现“想怎么说，就怎么听”。Qwen3-TTS集合了定制声线、自由设计声音、以及精彩的音色克隆功能，还能应对嘈杂文本，稳定演绎高保真声音。无论做主播配音、智能助理、或是个性化语音内容生产，都特别适合。GitHub地址：github.com/QwenLM/Qwen3-TTS核心亮点：- 自研高效语音编码器，保证声音细节完整还原；- 端到端多码本模型架构，提升生成速度和音质上限；- 双轨流式架构，最高97毫秒合成延迟，适合实时交互；- 支持以文字自然语言控制发声风格和情绪表达；- 提供丰富预训练模型，快速实现声线设计、克隆和合成；- Python一键安装qwen-tts库，支持本地和API在线调用；- 兼容多平台和硬件加速，支持从示例到专业定制多种场景。对TTS开发者、AI语音爱好者、内容创作者都很友好，赶紧试试吧！🔊✨

22. 【#电脑端微信语音输入不限时长##电脑端微信语音支持多种方言混说# 】微信电脑版近期正式上线了全局语音输入功能，用户按住快捷键即可在微信内外实现语音转文字，大幅提升办公效率。此次更新支持在微信聊天窗口、Word、Excel等第三方软件输入框中调用语音输入，还支持普通话、英语及粤语、四川话等15种方言混合输入，并且可以持续输入不限时长。同期还更新一键撤回批量消息、视频倍速播放，完善了办公场景体验。#电脑端微信可以支持语音输入了# （来源：梨视频）

23. 「Github一周热点105期」Rust 版openclaw，本地语音克隆工具，Qwen3.5， AI 渗透测试系统和精美源码图片生成工具

24. 这个克隆声音工具牛🐮Voicebox是一款本地开源语音工作室，几秒音频即可实现零样本声音克隆，支持多轨时间线混音加效果，兼容多种引擎和23种语言。#微博AI创作季# 完全离线运行，隐私安全。需较好GPU/CPU才能快速生成，Linux用户需自行编译。对注重隐私、长期使用的用户来说，是更靠谱的选择。

25. 想做出逼真的AI语音合成，很多人只能依赖在线API：隐私全泄露，费用居高不下。NeuTTS 把顶级语音能力带到本地设备，提供开源免费的超拟真TTS解决方案。不仅有最佳尺寸比的真实语音，还支持3秒即克隆音色，手机笔记本树莓派全都能跑，英语/西班牙/德/法多语种支持。GitHub：github.com/neuphonic/neutts主要功能：- 超拟真语音合成：小模型大自然度，像真人说话；- 3秒即时声音克隆：短音频样本快速复刻音色；- 全本地离线运行：隐私安全，不上传数据；- 轻量高效部署：GGUF量化，手机/嵌入式设备实时生成；- 多语种支持：英语、西班牙语、德语、法语（模型相关）；- 流式生成+水印：实时播放，输出可追溯更负责。支持 pip install neutts 一键安装，Python代码几行搞定，适合开发者、App嵌入和语音应用。#AI##开源##TTS##语音合成#

26. 小米这波直接甩出三张 AI 王炸，真不是虚的，普通人用起来巨香！刚更的 MiMo-V2 三款大模型，分工超清晰：Pro 版帮你写方案、改文档、扒数据，打工人直接省一半力气；Omni 版能看图看视频，拍个菜教你做饭，拍段英文直接翻译；TTS 版语音超自然，配音、读小说、搞方言导航都好使。关键小米要把这些 AI 全塞进手机、家电、车里，人车家全跟着智能起来，这才是真好用的 AI 啊！你们最馋哪个功能？办公摸鱼还是生活偷懒？

27. #丰田全新威兰达全网首测#这波城市+轻户外的生活新方式，换代威兰达是赶上了。新一代智能座舱，支持三屏联动和多方言语音交互；TSS4.0智驾系统能提前感知路况变化；第五代混动系统实现4.59L/百公里的低油耗；E-FOUR电子四驱系统提供三种地形模式，能陪我们穿梭都市，又能带我们探索远方。#20万内混动首选全新威兰达##2025广州车展#

28. 字节又放大招！最强语音输入法来了，实测遥遥领先

29. 击败GPT、Gemini，复旦×创智孵化创业团队「模思智能」，语音模型上新了

30. 语音转文字软件哪个好用？这几款帮助解锁便捷沟通新体验！

31. 「龙虾」从屏幕里爬出来了！现场复刻老板发言，连语调都一模一样

32. 告别碎片化日志：云监控 2.0 日志审计如何通过 UModel 打破云端安全审计的“数据孤岛”？

33. AI语音克隆诈骗为什么会成为治理重点？从 Voice Agent 技术栈看，真正要补的是“身份验证层”

34. 经同意的语音克隆

35. 如何将「语音克隆同意验证机制」嵌入 AI 工作流丨Voice Agent 学习笔记

36. AI语音合成技术：问题类型与治理路径

37. Gemini 语音克隆预警:如何识别 AI 伪造语音并防范诈骗指南

38. ElevenLabs要凉了？这个开源工具让语音合成免费用，声音克隆仅需5秒

39. 只要10秒，你的声音就能被复刻

40. 血的教训！男子被AI模仿声音骗走20万，这3个细节能救命

41. ElevenLabs要凉了？这个工具让语音合成免费用，声音克隆仅需5秒

42. 云音配音 Open Audio语音合成与克隆双标杆

43. 阿里 Qwen3-TTS 横空出世！49 种音色 + 9 方言，语音合成技术迎来革命性突破

44. 开源语音克隆工具Voicebox火了：本地运行、隐私安全，ElevenLabs的免费替代品来了

45. DiaMoE-TTS混合专家参数高效方言文本转语音

46. Voicebox：开源本地语音克隆工作室，3 秒克隆声音，完胜 ElevenLabs？

47. 语音克隆工具实测避坑6款高还原APP深度解析，新手/企业精准适配

48. Qwen3-TTS全新升级：49种声线、10种语言、多中文方言，更自然更生动

49. 支持AI方言和跨语种复刻阿里开源TTS模型

50. 推荐开源语音合成工具Voicebox：你的本地语音克隆与内容创作利器

51. 星耀AI超级员工·AI声音：专属声纹克隆，私有化部署守护声音资产

52. 打破方言壁垒！DiaMoE-TTS：用AI让11种汉语方言"开口说话"

53. 语音克隆APP实测排名｜6款高还原工具避坑指南（新手/企业通用）

54. GitHub热榜丨Voicebox开源语音合成工具日增千星，打破AI语音垄断

55. Qwen3-TTS开源大模型教程:LoRA微调实现小样本方言语音克隆

56. 在线教程丨支持600+语言，OmniVoice：仅需3-10秒实现语音克隆

57. VOXCPM 1.5最新方言克隆整合包，支持粤语,重庆话,长沙话,四川话,东北话,上海话,天津话,陕西话,河南话等,支持lora微调

58. 小米 AI 语音克隆火了！几秒复刻你的声音，便利背后这些风险必须防

59. 声音克隆工具大汇总

60. OmniVoice一键整合包｜跨语言声音复刻太绝了🔥克隆速度超快

61. 方言天花板 VS 速度狂魔!VoxCPM 2 与 OmniVoice 究竟谁更值得用?

62. 10款支持可克隆自己声音做配音的软件/工具

63. Qwen3-TTS语音合成模型解析：49种音色、10种语言与9种方言

64. 智谱开源GLM‑TTS，3秒就能克隆你的声音

65. 真声可验风险可控：范式发布新一代合成音频鉴定模型

66. 出海还在花钱找配音？这5款AI声音克隆神器，连方言都能变外语！

67. 零样本语音克隆新天花板美团LongCat极速复刻各地方言音色完美还原！

68. 方言不是加模型就行：覆盖多方言与嘈杂场景的智能语音机器人选型方案（2026）

69. AI能用3秒克隆你的声音，但你先别慌

70. 阿里 Qwen3-TTS 全新上线！支持9种方言+49种音色

71. 方言大佬都惊了！Fun-CosyVoice 3.0 让 AI 开口说 18 种方言，0.5 秒生成你的专属语音！

72. Pocket-TTS 本地部署实测：语音合成+声音克隆 Pocket TTS 是法国 Kyutai Labs发布的开源语音合成模型，仅 100M 参数（0.1B），却能在 CPU 上实现实时语音克隆。本文从零开始记录完整部署流程，包括： - 环境搭建与依赖安装 - Hugging Face 认证配置 - 语音克隆实测与性能分析实测结果：CPU 推理速度达 1.4x real-time，5秒音频样本即可克隆声音，无需 GPU 也能玩转 AI 语音合成！适合人群：AI 开发者、内容创作者、语音技术爱好者 #语音合成 #AI工具 #本地部署 #开源项目 #声音克隆实测

73. Qwen3-TTS 全面升级！49种音色 + 10种语言 + 9种方言

74. 阿里通义千问发布Qwen3-TTS：支持多音色、多语种和方言，语音更拟人

75. 2026 年声音克隆工具全场景选型指南

76. Pocket-TTS 本地部署实测语音合成+声音克隆

77. 面壁智能开源了支持音色设计、克隆、30语言+9 种方言的语音大模型

78. 阿里通义重磅发布 Qwen3-TTS

79. 【保姆级教程】用阿里Qwen3-TTS-Flash秒变语音大神，17种方言+10种外语随便切换！

80. 低配置可用AI语音克隆项目 Fish Speech VS OmniVoice 语音克隆效果都很棒，大段文本用我笔记本4G的显存生成速度都算快，OmniVoice更是支持语调调节、语气词和方言输出，是自媒体博主居家旅行必备之佳品！感谢好友阿猫提供的天籁之音 #语音克隆 #声音克隆 #ai #ai克隆 #aigc

81. 🔥VoxCPM2语音克隆｜国产之光！3秒复刻声线，30种语言和9种方言畅玩无压力

82. 语音克隆天花板！VoxCPM2 开源来袭：30种语言、一句话造声、48kHz真克隆

83. 中文TTS天花板！CosyVoice 3 本地部署实测：3秒克隆声音，150ms流式合成，方言随便玩

84. 音色克隆新黑马！8G 显存 / CPU 就能跑，30 + 方言克隆丝滑无压力

85. Qwen3-TTS 全解析：一套免费的面向全球应用场景的高质量语音生成解决方案

86. 国产 2B 语音模型开源炸场！30 种语言 +9 种方言，徐志胜贺炜都能克隆

87. 音色克隆新秀！低显存/CPU也能推理，不止普通话，方言也贼丝滑 | 附一键安装包

扫一下，分享更方便，购买更轻松

0评论

当前文章无评论，是时候发表评论了

提示信息

取消

确认

评论举报

垃圾广告！低俗色情！人身攻击！疑似水军评论！其他有害！