#TTS
这个主题在过往早报中的出现记录。深度条目直达研究报告，其余条目回到当日 edition。
- 模型发布2026-07-24 · 周五重要度 3/5
单源称｜Qwen-Audio-3.0-TTS 支持 16 种语言
通义千问官方 X 于 7 月 23 日发布 Qwen-Audio-3.0-TTS，项目页称其支持 16 种语言、86 个细粒度标签和最长 3 分钟单次长文本生成。页面未标发布日期。
- 项目把自由文本控制、局部标签和低帧率 tokenizer 放进同一生产型 TTS 系统。
- 排行榜第一仍需按参评模型、测试时间与人评口径理解。
- 产品上新2026-07-03 · 周五重要度 4/5深度报告 →
xAI 把 Grok Voice 拉成「语音 Agent 工厂」:Voice Agent Builder 上线,$0.05/分钟,把 ElevenLabs/Vapi 拽进同价位肉搏
xAI 官号 7-1 23:33 北京时间(UTC 15:33)推送 Voice Agent Builder——基于 Grok Voice 的无代码语音 Agent 平台,统一价 $0.05/分钟,配套演示视频与一键发布流。当日截稿前该推文已累计 8,177 赞、863 转推,是 2026 年迄今 xAI 官号互动最高的推文(超过 Grok 4 推理版的 launch 帖),也是同期 X 上 AI 产品发布里互动量最高的一条。一句话定位:把「做一只能接电话的 AI」从 Vapi/Retell/ElevenLabs 那种「写代码 + 拼 LLM+STT+TTS+Telephony」的工程活,压到「写 prompt + 选声音 + 点发布」的运营活——同时在分钟单价上贴脸 Vapi($0.05)、低于 ElevenLabs($0.08)。这是 Agent 平民化浪潮的语音模态切面:与前一日 BNB Chain 的 BNB Agent Studio、OKX AI Agent Marketplace,以及本周 Z.ai 的 ZCode(GLM-5.2 IDE),同一根轴——「专业工程产能被抽干,模型厂直接绕到终端用户」。
- 产品上新2026-07-02 · 周四重要度 2/5
Fish Audio S2.1 Pro 对开发者免费开放:83 语种、无用量硬上限,接口与付费版一致
Fish Audio 宣布 S2.1 Pro(付费版同款 TTS)对开发者免费开放,提供免费 API,支持 83 种语言,无硬性用量上限,沿用同一接口。已集成的只需把 model 设为 "s2.1-pro-free" 即可切换到 S2.1 Pro。这是 Fish Audio 把付费版核心模型开放给开发者的产品策略——降低 TTS 集成门槛、抢占开发者心智。
- Fish Audio 把 S2.1 Pro 开放免费,本质上是『TTS 市场的 ElevenLabs 替代叙事』进入新阶段
- 83 语种 + 无用量硬上限 + 沿用付费版接口,等于把 ElevenLabs 付费版的核心能力完全免费化。