创作方向
AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
24 条精选近 30 天 24 条共收录 103 条
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，即日起在 Gemini API 和 Google AI Studio 上线，Flash-Lite 版同步进入 Google Vids。
选题角度：原文给出两款 TTS 模型的开放入口、2000+ 音色库和 30 秒声音复刻能力，适合上手实测同一段脚本的语音生成效果。
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，前者面向角色设计与逐句表演指导，后者面向高并发、低成本的配音与语音智能体场景。
选题角度：官方给出 AI Studio 音频 playground 入口和 30 秒样本复刻声音的流程，适合录屏实测从提示词造声到双人剧本逐句导演的完整玩法。
通义千问发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增 TTS-Next 和 ASR-Next 两个模型，共五个模型覆盖理解、生成、交互与创作。
选题角度：官方放出五个音频模型和最高95%的降价，适合逐项实测ASR去口水词、TTS-Next一次生成音效与背景音的效果。
ElevenLabs 在 ElevenCreative 中发布 Studio 4.0，这款 AI 原生视频编辑器可在同一项目内直接生成视频、图像、语音、音乐和音效，并完成剪辑、字幕与导出。
选题角度：官方给出 Studio 4.0 的完整入口和生成、剪辑、字幕、配乐一体化流程，适合录屏演示从提示词生成镜头到导出的全流程。