📰 最新资讯
行业趋势2026/9/29 20:04:03
音频大模型 字节跳动 Seed 系列各个版本对比
字节跳动 Seed 团队在语音与音频生成领域构建了覆盖广泛的产品矩阵。该系列以 Seed-TTS 文本转语音模型为技术根基，逐步扩展至全双工语音交互、音视频联合理解、声音克隆与导演、端到端音频场景生成
行业趋势2026/9/29 20:02:08
音频大模型 MiniMax Speech各个版本对比
MiniMax Speech 是稀宇科技（MiniMax）旗下的语音大模型系列，自2023年推出国内首个基于Transformer架构的语音大模型Speech-01以来，已在语音合成领域建立起从基础合
行业趋势2026/9/29 20:00:30
音频大模型 Fish-Speech各个版本对比
Fish-Speech（现称 Fish Audio）是由北京始智科技有限公司开发的开源文本转语音（TTS）模型，项目最初于2023年发布，经过两年多的快速迭代，已成为全球SOTA级别的开源语音合成方案
行业趋势2026/9/29 19:58:32
音频大模型 F5-TTS各个版本对比
F5-TTS 是由上海交通大学、剑桥大学等机构联合研发的开源语音合成系统，全称为“A Fairytaler that Fakes Fluent and Faithful Speech with Flo
行业趋势2026/9/29 19:56:18
音频大模型 GPT-SoVITS各个版本对比
GPT-SoVITS 是由B站UP主“花儿不哭”开源的低成本AI音色克隆软件，采用MIT协议，目标是“造福所有普通人”。
行业趋势2026/9/29 19:52:56
音频大模型 阿里巴巴 CosyVoice各个版本对比
CosyVoice 是阿里巴巴通义实验室（SpeechLab@Tongyi）语音团队研发的语音生成大模型系列，于2024年7月正式开源，定位为“多语言大规模语音生成模型”。
行业趋势2026/9/28 20:39:31
3D大模型 Pixal3D各个版本对比
Pixal3D是由清华大学BNRist实验室与腾讯ARC Lab联合研发的像素对齐图像转3D生成框架，论文已被SIGGRAPH 2026接收，同时获得Victoria University of We
行业趋势2026/9/28 20:37:13
3D大模型 Wonder3D各个版本对比
Wonder3D 是由香港大学、清华大学、VAST 等机构联合研发的单图像3D重建模型，论文发表于 CVPR 2024 并获 Highlight 荣誉。