搜索
DeepSeek 正式开放全家桶 API，V4.1-Flash（deepseek-flash）支持联网搜索、文件解析、链接阅读、语音交互及 Search、Fetch、OCR、ASR、TTS 独立调用，并开源聊天应用 Demo，降低开发者打造个性化超级 App 的门槛。
你的同事用Agent整理报表，一路顺畅。你用同样的模型、工具和流程，换成自己的文件，却开始反复试读、频繁返工。
《读佳》独家获知，Soul将推出专为交互场景打造、超具活人感的语音合成产品“Loxinity（洛希无限）”，和市面上面向配音、短视频的TTS不同，这套模型从底层瞄准实时交互场景，主打强活人感。它支持单人配音、多人对话两种模式，配套音色克隆、音色设计等工具，还开放API接入。Loxinity下辖语音合成模型Loxi Speech和视频生成模型Loxi Avatar。
在超级发电站主办的AI艺术黑客松上，作者基于麦浚龙和谢安琪的概念专辑《The Album》创作了一款由语言模型和TTS驱动演员的2.5D实时互动游戏，玩家可扮演酒保自由输入与AI角色互动，推动剧情走向不同结局。
Fish Audio（上海奇塔灵动科技）由00后廖世嘉带领22人团队，凭借开源语音模型Fish Speech在TTS Arena盲听榜连续7个月第一，年化收入达2100万美元，2026年7月获今日资本领投5200万美元种子轮。
2025年，杨斌体验了一款海外语音交互产品Sesame。一两轮对话后，他因暂时想不到问题陷入沉默。几秒后，对面突然主动开口：“你现在是不是思维卡壳了？”随后补了一句话，把中断的话题接了起来。
全球第一！中国AI语音ViiTorVoice首创「局部编辑」神技：配音错字告别重录，像改Word一样修语音。内附姆巴佩、哈兰德爆笑实测，快来见证！这个凭空出世的中国模型，将 Qwen3-TTS、CosyVoice3、Fish Audio 等一众主流巨头挑落马下，径直登顶综合排名第一！
Boson AI 与 SGLang-Omni 团队宣布，SGLang-Omni 已完成对 Higgs Audio v3 TTS 的端到端 Serving 支持。作为一家成立于 2023 年的 AI 基础设施公司，李沐与 Alex Smola共同创立了 Boson AI，聚焦大模型时代的系统与基础设施创新。
语音合成这两年发展迅速：把一段话顺顺当当地念完，已经不算难事；难的是该慢的时候慢，该顿的时候顿，该强调的时候真能把重点托出来。
没错，用的就是主打长程任务、模糊指令遵循，跻身国产Agent第一梯队的小米MiMo‑V2.5 Pro。小米最新发布的MiMo‑V2.5系列，包含Pro旗舰Agent、全模态基座、TTS语音合成、ASR语音识别四大模型，综合实力对标国际顶尖水准。