BreezeBlueが「Breeze-TTS-2」公開：初動40ms未満、テキスト指示で声質を設計
BreezeBlueが音声合成モデル「Breeze-TTS-2」の重みと推論コードを公開した。日英両言語に対応し、H100環境で初動レイテンシ40ms未満を実現する。音声参照なしにプロンプトだけで声質を生成できるほか、テキスト内に笑いやため息などの感情表現を挿入可能。コードはApache 2.0、重みは研究・非商用限定。
Qwen3-TTS
アリババが「Qwen3-TTS」をオープンソース公開：97msの超低遅延で即時音声クローン
アリババがオープンソースの音声合成モデル「Qwen3-TTS」を公開した。わずか数秒の音声から声色を再現できるほか、プロンプトで新しい声を生成することも可能。遅延97ミリ秒のデュアルトラック設計を採用し、多言語や方言のリアルタイム出力に対応する。
アリババが「Qwen3-TTS」発表、3秒で声クローンや指示文での声色作成に対応
アリババのQwenチームが音声合成モデル「Qwen3-TTS」を発表した。テキスト指示で口調や感情を自在に設計できるVoiceDesignと、わずか3秒の音声から10言語で声を複製できるVoiceCloneをラインナップ。多言語テストではElevenLabsより単語誤り率が15%低いとしている。