阿里巴巴通义实验室语音团队宣布，其开源的语音生成大模型CosyVoice已升级至2.0版本，这一升级标志着语音生成技术在准确性、稳定性和自然体验方面的显著进步。CosyVoice2.0通过采用离线和流式一体化建模的语音生成大模型技术，实现了双向流式语音合成，首包合成延迟可达到150ms，显著提升了语音合成的响应速度。

近日，Play AI 正式推出其最具雄心的产品 ——PlayDialog beta版本，能生成对话式的播客音频。这款端到端的 AI 语音模型，利用对话的历史上下文，能够调控语调、情感和语速，以实现更自然的语音合成，标志着人机对话的新高度。PlayDialog 特别适合于制作真实的对话体验，例如旁白、语音配音、合成播客等，也能在商业环境中提供沉浸式的一对一语音交流体验，效果类似谷歌的NotebookLM与此同时，Play AI 还推出了 PlayNote，这是一款可以将多种媒体文件（如 PDF、文本、视频等）转化为对话体验的

一款名为ChatTTS-OpenVoice的创新项目在互联网上引发关注，将ChatTTS与OpenVoice技术融合，能根据用户上传的10秒参考音频生成个性化、自然的语音。该技术适用于配音工具与语音助手，通过简化上传过程，用户可获得定制化语音体验。该项目上线后，受到开发者和用户广泛好评，已在社交媒体上引起热议。负责人表示，旨在为用户提供更加个性化、自然的语音生成体验，为相关领域注入活力。ChatTTS-OpenVoice的未来发展前景备受期待。

Suno公司在苹果App Store推出了万众期待的iOS应用，这可不是普通的应用，它能让你的手机瞬间变成一个虚拟音乐工作室!用户只需在手机上输入几个文字提示，或者干脆哼唱几句，Suno的AI模型就能在几分钟内生成包含人声、乐器和编曲的完整歌曲。不管你是想创作流行歌曲，还是想尝试古典音乐，Suno都能满足你的需求。

["微软Azure AI宣布在云开发平台中新增40款大模型，包括Whisper V3、Stable Diffusion、Phi、Falcon、SAM等。","开发人员可通过API或SDK轻松集成，支持数据微调、指令优化等定制功能。","模型超市提供关键字搜索，开发者可快速找到适用于各种应用的产品。","知名新增模型包括Whisper V3语音模型、Stable Diffusion图像扩散模型、Phi文本生成模型、Falcon大语言模型等。","这一丰富的模型库将为开发者提供更多选择，涵盖了多领域的内容生成需求。"]