提出端到端训练方法，将离散token LLM与TTS系统结合，提升语音合成效果。
arXiv:2606.09234v1 Announce Type: cross Abstract: Recent state-of-the-art (SOTA) text-to-speech (TTS) systems typically adopt a cascaded pipeline cons…
微软推出支持15种语言的带情绪表达语音克隆TTS新工具
Expressive TTS with voice cloning in 15 languages Discussion | Link
多语言语音合成工具，支持极低39ms延迟，在多语种TTS领域表现突出，适合需要高质量语音生成的场景。
I originally started lurking around on HN to better understand how startups work. I just saw the KugelAudio (YC P26) launch announcement and I truly d…
访问Chatterbox-Flash论文，了解优先校准块扩散在零样本流式TTS中的前沿应用
arXiv:2605.30748v1 Announce Type: cross Abstract: We present Chatterbox-Flash, a zero-shot text-to-speech model obtained by fine-tuning a pretrained a…
阶跃星辰一次性开源多款AI模型，Step 3.7 Flash生成速度高达每秒400 Tokens，刷新行业效率标杆。
IT之家 5 月 29 日消息，阶跃星辰今日正式发布并开源 Step 3.7 Flash，是面向 Agent 生产化阶段推出的新一代 Flash 模型，围绕 Agent、Coding、Search 与多模态工作流进行系统优化。 Step 3.7 Flash 采用稀疏 MoE 架构， 总参数 196B…