在线教程丨Mistral AI首个开源音频模型Voxtral，24B与3B版本兼顾多场景语音深度理解
Mistral AI 发布首个先进音频模型Voxtral，提供低成本高性能的24B和3B版本，支持多语言、长文本上下文处理等。该模型已在HyperAI超神经官网上线Demo，满足语音智能市场多元需求。
多语言
谷歌NotebookLM推出AI播客的50多种多语言音频概述
Google扩展其实验性NotebookLM产品线，使其AI摘要功能支持超过50种语言。此更新标志着谷歌在增强AI工具可访问性和拓展多语言市场方面的重要一步。
EmotiVoice：网易免费开源TTS引擎，2000种音色+情感控制！狂揽7900星
网易有道开源的EmotiVoice是一款支持多语言、海量音色和情感合成的TTS系统，具有高效部署、易用接口和语音克隆等功能，在内容创作、智能语音助手、教育、客服系统及娱乐游戏等领域具有广泛应用前景。
2.6K Star！OpenUtau：开源歌声合成神器，开箱即用，完美兼容UTAU生态！
一款免费、开源的音乐创作与编辑工具OpenUtau，兼容UTAU库和采样器，支持VSQX导入等强大功能，适用于Windows、macOS和Linux。
爆火开源TTS，支持零样本克隆，200ms超低延迟，情感语调超自然。
最近TTS开源项目大爆发。介绍4个模型：Medium、Small、Tiny和Nano，涵盖英语及多语言模型，并提供详细的Orpheus TTS项目简介和功能特点。
情感语音的“开源先锋”！网易开源的一款TTS神器，2000种声音随意切换！
网易有道 EmotiVoice 开源模型支持多语言和多种音色，具有情感合成功能。通过Docker镜像或本地安装方式快速部署使用，满足开发者和企业多样化需求。
深度｜Google首席科学家Jeff Dean对话Transformer发明者：基于自回归的下一词预测方式并非人类学习的最佳模拟
往往是由硬件和更大规模驱动的，但同样甚至更多是由
重大的算法改进和模型架构的重大变化、训练数据组合等
谷歌开源单卡最强多模态模型！分数超满血版DeepSeek V3，一张GPU就能跑
谷歌发布Gemma 3系列模型，参数规模有1B、4B、12B和27B四种，支持超过35种语言。它在知名AI排行榜LMArena上的初步人类偏好评估中优于Llama-405B、DeepSeek-V3和o3-mini。开发者可以通过多种途径访问Gemma 3，并附带改进的代码库进行高效微调。谷歌还推出了Gemma 3学术计划，以加速基于Gemma 3的研究。