微软Copilot新增音频模式，基于MAI-Voice-1模型提供三种语音选择：情感模式支持富有表现力的自由表达；故事模式适合多角色讲故事；脚本模式则用于精确的文本朗读。
ElevenLabs于2025年8月20日推出全新Eleven v3 Alpha API，作为突破性文本转语音工具。该API支持70多种语言，能生成自然流畅且富有情感的语音，被誉为全球最具表现力的TTS模型。新增对话模式功能，支持开发者创建多角色语音交互。
OpenAI更新ChatGPT网页应用，新增语音速度调节功能，用户可通过滑块在0.5倍至2.0倍速间灵活调整，提升语音交互体验。该功能目前处于隐藏状态，尚未全面开放。
OpenAI宣布以1美元/年的象征性价格向美国联邦机构提供ChatGPT Enterprise服务，作为其政府拓展计划的重要举措。该计划与美国总务管理局合作，包含60天高级语音模式等附加功能。公司计划2025年初在华盛顿设立办事处，此前已获国防部2亿美元合同。目前OpenAI正进行新一轮融资谈判，估值或达5000亿美元，此前3月刚完成400亿美元融资创下科技公司融资纪录。
Genie-AI-Lab
Omni L1B3RT4S GENIE 是一个基于Qwen2.5-3B Instruct架构微调的AI助手，采用1,103个精灵角色的定制示例进行训练，具备独特的语音和忠诚度模式，能够为用户提供别具一格的对话体验。
Epikwhale
基于微软SpeechT5架构微调的泰卢固语文本转语音模型，针对泰卢固语独特的音素结构和文本模式进行了优化。
Qwen
Qwen2-Audio是通义千问大音频语言模型系列，支持语音聊天和音频分析两种交互模式。
speechbrain
这是一个基于LibriSpeech数据集预训练的端到端自动语音识别系统，支持流式和非流式模式，适用于英文语音识别。
Voicevox MCP Server是一个VOICEVOX兼容的语音合成服务器，通过MCP协议实现与AivisSpeech/VOICEVOX/COEIROINK的交互，支持Cursor等编辑器中的Claude 3.7代理模式语音合成。
MiniMax MCP JS是一个JavaScript/TypeScript实现的MiniMax模型上下文协议工具包，提供文本转语音、图像生成、视频生成和语音克隆等功能，支持多种配置方式和传输模式。
GgufEnglish%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)
