Gradium 推出端侧 TTS 模型 phonon-31m-en：64.5 MB，浏览器本地就能跑
Gradium 团队开源了轻量级英文语音合成模型 phonon-31m-en。基于 Pocket TTS 与 Mimi 编解码技术，8 位量化权重仅 64.5 MB，支持边生成边播放的流式输出，普通笔记本 CPU、手机乃至浏览器标签页内无需联网即可运行，且遵循 Apache 2.0 协议开源并支持商用。
Kyutai
Mirelo 联手 Kyutai 开源 MuScriptor：一首歌直接扒出全乐器 MIDI
Mirelo 与 Kyutai 联合开源多乐器音乐转录模型 MuScriptor。以前的工具大多只能转单轨独奏，它能直接吃下整首混音音频，把人声、鼓、贝斯和键盘等分轨转成独立 MIDI。微调与强化学习让准确率大幅提升，普通人做扒带或二次编曲省事多了。
Kyutai 开源 Pocket TTS：1 亿参数纯 CPU 运行，首包延迟仅 200 毫秒
Kyutai 开源轻量级语音合成工具 Pocket TTS，仅 1 亿参数，专为 CPU 设计且无需 GPU。在 MacBook Air M4 上仅用 2 核即可实现 6 倍实时速度，首包延迟约 200 毫秒，支持声音克隆与超长文本，代码与模型均已公开。
Kyutai 发布同传模型 Hibiki：实时法语译英语，保留原声与语速
Kyutai 发布实时语音同传模型 Hibiki，目前支持法译英。它在实时输出语音与文本翻译的同时保留原说话者声线，并依据语义自适应调节语速。官方评估显示其自然度与音色相似度已逼近专业人类同传。
法国实验室 Kyutai 推出 Moshi：延迟仅 200ms 的开源实时语音 AI
法国非营利 AI 实验室 Kyutai 展出实时语音助手 Moshi 并宣布开源。它仅由 8 人团队耗时半年研发，端到端延迟低至 200 毫秒，支持 70 种情绪，还能在笔记本本地边听边说。