Meta最近发布了一个名为NotebookLlama的项目，该项目可以生成播客式的摘要，类似于Google的NotebookLM。该项目使用Meta自己的Llama模型进行处理，可以根据上传的文本文件生成播客式的摘要。首先，NotebookLlama会根据文件（例如新闻文章或博客文章的PDF）创建文字记录。然后，它会添加“更多戏剧效果”和中断，然后将文字记录输入到打开的文本转语音模型。虽然结果听起来不如NotebookLM，但Meta的研究人员表示，可以通过更强大的模型来提高质量。他们在NotebookLlama的GitHub页面上写道:“文本转语音

智谱AI宣布，其端到端情感语音技术已正式登陆智谱清言平台，并向所有用户开放。这项技术突破了传统文本转语音（TTS）技术的局限，能够深入理解上下文语境，并生成富有情感的自然对话。这标志着智谱AI的语音合成技术已经从简单的文字朗读进化到能够表达真实情感的人工智能。

最近，来自上海交通大学、剑桥大学和吉利汽车研究院的研究团队推出了一种全新的文本到语音（TTS）系统，名为 F5-TTS。这种系统的特别之处在于，它采用了一种无自回归的方法，结合了流匹配与扩散变换器(DiT)，成功简化了传统 TTS 模型中的复杂步骤。大家都知道，传统的 TTS 模型往往需要进行复杂的持续时间建模、音素对齐和专门的文本编码，这些都增加了合成过程的复杂性。尤其是以往的模型如 E2TTS，常常面临着收敛速度慢和文本与语音对齐不准确的问题，这让它们在现实场景中很难

Fish Speech1.4版本的发布标志着这款开源文本转语音（TTS）模型在多语言支持和性能方面取得了重大突破。作为一个致力于提供高质量、自然流畅语音合成体验的创新解决方案，Fish Speech在这次更新中展现了其强大的技术实力和广阔的应用前景。多语言支持大幅提升Fish Speech1.4最引人注目的特点是其强大的多语言支持能力:训练数据量翻倍:模型使用了70万小时的多语言数据进行训练，较之前的20万小时有了显著提升。这意味着模型能够学习到更多语言的细微差别和表达方式。语言支持扩展:现在支

OpenAI将其先进的文本转语音API整合至开发者Playground平台，为开发者提供了方便快捷的无缝使用体验。只需输入文本消息，即可在六种预设声音中选择，由AI智能匹配特定语言与地区版本，消除语言与地区选择的压力。该API不仅简化了开发过程，还提供了出色的声音合成技术，将书面文本转化为如同真人对话的优质音频文件，为沉浸式与互动式用户体验提供了多样化可能性。此API具备两种模型供选择：Neural，针对实时应用优先考量低延迟；NeuralHD，专为追求最高声音质量的用户打造，确保每一字句精确传达内容精髓。这套AI解决方案旨在通过高效、灵活的文本转语音功能，赋能开发者创造更多形式丰富、感官沉浸的内容与服务，彰显AI技术在提升人类生活与工作效率的无限潜力。

["微软 Azure AI 文本转语音服务进行升级，新增了男声和更多语言支持。","新增男声 Ryan Multilingual，使用户能够创建多样化的用户体验。","语言支持从 14 种扩展到 41 种，为用户提供更多的选择。"]