BreezeBlue 开源 Breeze-TTS-2：首包延迟 40 毫秒，支持中英文本驱动声线
BreezeBlue 开源语音合成模型 Breeze-TTS-2 的权重与推理代码。它支持中英双语，在 H100 上首包延迟能压到 40 毫秒以内，不仅能用文字描述直接「捏」出声音，还能在文本里插入 [笑] 或 [叹气] 等副语言事件。代码采用 Apache 2.0 开源，权重仅供非商业研究。
Qwen3-TTS
阿里发布开源语音模型 Qwen3-TTS：延迟 97 毫秒，几秒音频即可克隆音色
阿里推出开源文本转语音模型 Qwen3-TTS，提供 1.7B 和 0.6B 两种尺寸，仅需数秒音频即可克隆音色，还支持用提示词直接定制新声线。模型采用双轨架构，端到端延迟低至 97 毫秒，克隆中文后可直接说多国语言与方言，便于实时交互与有声书制作。
阿里发布 Qwen3-TTS 语音系列：3 秒克隆声音，用提示词捏出专属人设
阿里巴巴 Qwen 团队上线 Qwen3-TTS 语音系列，主打声音设计与克隆。其中 VoiceDesign 支持用自然语言提示词定制语气和人设，VoiceClone 则仅需 3 秒音频就能复刻声音并支持 10 种语言。在多语言测试中，其词错误率比 ElevenLabs 低 15%。