阿里通义实验室发布并开源了Fun-CineForge模型，旨在解决AI配音中的口型不同步、情感缺失及多角色音色不一致等问题。该模型创新引入“时间模态”概念，通过精准时间戳控制，确保语音与画面同步，并同步开放高质量数据集构建方法。
阿里通义实验室发布并开源全球首个支持影视级、多场景配音的多模态大模型Fun-CineForge，旨在突破AI配音在情感表达、环境音融合及口型同步等方面的技术瓶颈，推动影视行业配音环节的智能化变革。
豆包视频生成模型Seedance1.5Pro正式上线火山方舟，提升AI视频创作效率与质量。该模型支持音画同步输出、多语言多人对白配音，并具备突出的影视级叙事张力。企业用户可通过火山方舟获取API服务，个人用户也可使用。
IndexTTS2是一款即将发布的影视级文本转语音大模型，具有三大突破性功能：1）完全本地化部署并开放权重，降低开发者使用门槛；2）零样本语音克隆技术，精准还原音色与节奏；3）全球首创的零样本情绪克隆和文本情绪控制功能。该模型还支持精准时长控制，特别适合影视配音，目前支持中英双语。基于先进的自回归架构，IndexTTS2通过开放策略推动TTS技术发展，在虚拟角色、影视制作等领域具有广泛应用前景。
Baidu
-
Input tokens/M
Output tokens/M
128
Context Length
Alibaba
$15.8
$12.7
64
$0.8
$2
Bytedance
Tencent
Openai
$0.63
$3.15
131
$1
32
Anthropic
$105
$525
200
$0.5
Huawei
Stepfun
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
