博客多模态语音与音频2 天前
Amazon Polly delivers a major upgrade to its Generative engine
Amazon Polly Generative 引擎升级：新增 14 个语音覆盖 9 个区域，Hindi/Finnish 正式可用
对使用 Polly 的 LLM 智能体语音应用，无需改代码即可获得更自然准确低延迟的语音，值得直接评估。
多模态
共 50 条 · 按质量与时效综合排序 · 仅收录近 3 个月内容最近同步 55 分钟前
已折叠 · 展开查看该领域的技术路线图、最新技术与成果、发展态势与前景趋势（含表格与 Mermaid 路线图）。
项目多模态语音与音频4 天前
debpalash/VoiceStudio
VoiceStudio：本地开源语音克隆，支持 646 种语言
本地开源语音克隆与转录方案，可作为 ElevenLabs 替代评估起点。
博客多模态语音与音频2 天前
Stream low-latency speech from AI agents using Kokoro TTS on Amazon SageMaker AI
Kokoro-82M 流式 TTS 降低语音 agent 延迟
按句流式调用 Kokoro-82M TTS，避免等待完整响应，降低语音 agent 可感延迟与推理成本。
博客多模态语音与音频2026/08/18
Sharing a new way to work with Stable Audio
Stable Audio 3.0 新增 DAW 插件与网页高级生成体验，可迭代编辑与混音
将音频生成直接嵌入 DAW 工作流并支持网页端迭代编辑、混音，便于音频工程师在现有环境中使用生成模型。