Phonon TTS 发布两周回顾：端侧语音模型在 Open TTS Leaderboard 上的表现
Phonon 团队回顾两周前开源的端侧 TTS 模型，介绍其能力、演示项目以及在 Hugging Face Open TTS Leaderboard 上的成绩。
推荐理由：原文给出 Phonon 在 Open TTS Leaderboard 上的分语言排名与 CPU 首音延迟表现，可对照端侧语音模型的取舍。
技术方向
语音与音频 最新动态
AI 语音与音频：语音合成、实时语音对话、音乐生成与音频理解的模型与产品。
4 条精选近 30 天 4 条共收录 70 条
更新
语音与音频的精选
Hugging Face Blog精选AI 评分7171
NVIDIA Blog精选AI 评分6060 NVIDIA RTX Spark 轻薄本更新：新增 Nemotron 3.5 Transcribe 与智能体资源管理
NVIDIA 为 RTX Spark Windows 轻薄本带来一批更新，包括开放权重的语音模型 Nemotron 3.5 Transcribe、NVIDIA App 中在前台应用与后台智能体之间分配 GPU 资源的控制项，以及 Liquid AI LFM3 模型家族的 day-zero 支持。
推荐理由：原文列出 RTX Spark 笔记本在语音模型、GPU 资源分配和游戏支持上的具体更新，可据此判断本地 AI 工作流的变化。
Google DeepMind精选AI 评分7878 Google DeepMind 发布世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并以研究预览形式向可信测试者开放。Genie 4 支持用自然语言实时修改天气、镜头和场景元素，能模拟空气动力学、碰撞等物理场景，并生成环境音与实时对话。
推荐理由：官方披露 Genie 4 的原生音频、实时文本操控与 Gemini 引导机制，可了解世界模型当前的能力边界。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的 TTS 模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。
推荐理由：Mistral 一次性给出语音转写、TTS 与智能体 SDK 的完整组合，并附价格与基准对比，便于评估自建语音智能体的成本。