Google DeepMind 又放大招了！4 月 2 日，Gemma 4 系列正式发布，这次真的是「全家桶」——从 23 亿到 307 亿参数，密集型 + MoE 混合专家架构全都有，上下文窗口最高

VibeVoice 是微软开源的一个前沿语音 AI 模型家族。它旨在提供一个开源研究框架，以推动语音合成与识别领域的协作与发展。

导读 中文语音识别的开源方案越来越多，但它们不在同一个层面上——有的是模型，有的是工具包，有的是部署运行时。直接把它们摊在一张表里比"谁更好"，容易越看越糊涂。本文把 6 个中文语音识别模型和 2 个

语音 AI 模型更新很快——Whisper、Moonshine、SenseVoice、FireRedASR、Paraformer，几乎每个月都有新模型发布。但对开发者来说，选好模型只是第一步

告别云端 API，语音识别也能跑在树莓派上？ 还在为语音识别的高延迟、隐私泄露、API 调用费用发愁吗？来自 Moonshine AI 的开源项目 Moonshine Voice 给出了一个令人惊艳的

语音识别技术的开源项目为我们提供了更多选择和可能性，包括基础工具包FunASR、高性能的Whisper.cpp、WhisperX具有单词级时间戳和说话人分离功能、AudioGPT用于理解和生成语音、音

近来，TTS模型工具给大家也分享了不少，对于一些小白或有需要的人是提供了一个额外的选项。 但作为编程人员/研发人员，或者需要集成TTS服务的人来说，好像又有点麻烦。 今天就为大家分享一个非常有趣的项目

今天我们分享一个开源TTS项目，它可以快速克隆声音，效果非常的炸裂，可以满足用户的个性化需求，它就是：Fish Speech

在中文TTS技术上，最近一年涌现出众多优秀方案，如GPT-SoVITS、ChatTTS和Fish TTS等，阿里新推出的CosyVoice，效果最佳。