新Step-Audio
阶跃开源的130B语音模型 一款强大的开源语音交互模型，能够实现语音识别、对话生成、情感克隆和多语言支持，为用户提供高质量的实时语音交互体验。
排序
新Kimi-Audio
开源音频基础模型 开源的音频基础模型，擅长音频理解、生成和对话，适用于多种音频处理任务。
新GPT-Realtime
开启语音交互新时代 GPT-Realtime是OpenAI推出的一款强大的语音到语音模型，采用端到端Speech-to-Speech架构，能够直接生成并处理语音，省去常规的文本转换步骤，广泛应用于多种语音交互场景。
新腾讯ARC实验室AudioStory技术
开启音频生成新纪元 AudioStory是腾讯ARC实验室推出的一种能够根据文字描述生成高质量音频内容的技术，具有强大的叙事能力。
新微软
MAI-Voice-1 语音生成模型 MAI-Voice-1 是微软推出的高保真语音生成模型，旨在为各种应用场景提供自然、富有情感的语音输出。
新阶跃星辰Step-Audio2mini
最强开源端到端语音大模型 阶跃星辰发布的Step-Audio2mini是一款开源的端到端语音大模型，能够实现语音理解、音频推理与生成的统一建模。
新腾讯ARC团队的AudioStory模型
开启AI音频生成新时代 腾讯ARC团队推出的AudioStory模型，能够根据文字描述生成高质量的音频内容，具有强大的叙事能力。
新Copilot Audio
微软推出的个性化AI语音生成工具 Copilot Audio 是微软基于自研 MAI-Voice-1 模型推出的全新音频模式，支持情感、故事、脚本三种语音风格，带来更具表现力和沉浸感的语音交互体验。
新Stability AI Stable Audio 2.5
专业级AI音频生成工具 Stable Audio 2.5 是 Stability AI 推出的最新音频生成模型，可在几秒内生成高质量、多段落结构的音乐，支持文本转音频、音频修复等多种创作方式。
新IndexTTS-2.0
B站开源的情感与时长可控文本转语音模型 IndexTTS-2.0 是哔哩哔哩开源的全球首个支持情感与时长双重控制的自回归零样本文本转语音系统，专为高质量AI配音与跨语言内容本地化打造。
新小红书FireRedTTS-2
新一代对话合成模型 FireRedTTS-2 是小红书智创音频技术团队推出的新一代对话合成模型，可实现灵活的逐句生成和高质量的语音合成。
新SoulX-Podcast语音模型
SoulX-Podcast是Soul推出的超长时长、高保真多语言AI播客生成引擎，可一键产出90分钟无中断、媲美真人录音的播客节目。
新Hume AI Voice Conversion
一次录音即可把“声音灵魂”完整移植到任意目标声线 Hume AI Voice Conversion：一次录音即可把“声音灵魂”完整移植到任意目标声线，实现带情感的跨语言、跨性别、跨风格语音转换。
新Maya1
实时、富有表现力的文本转语音开源模型 Maya1 是一款 30 亿参数的开源实时文本转语音模型，可仅凭单张 GPU 生成高表现力、多情感的自然语音。
新ChatTTS
文本转语音 ChatTTS是一款基于深度学习技术的文本到语音（TTS）转换工具，专为对话场景设计，能够生成自然、流畅的语音输出。ChatTTS支持多种语言，包括中文和英文，并提供了丰富的音色和细粒度控制选项。