TTS

TTS（Text-to-Speech，文本转语音）是生成式 AI 中进展最快的赛道之一，中国创业公司在开源和闭源两条线上都在追赶甚至局部领先。

据砺思资本 2025 年 6 月的报道，沐言智语发布的开源模型 Muyan-TTS 将推理效率推到了每 1 秒语音仅需 0.33 秒生成，词错率和语音质量均处于开源模型一线水平，同时提供了零样本 TTS 合成和单说话人微调两个版本。几乎同期，云启资本天使轮项目 MiniMax 发布的 MiniMax Speech 02 在 Artificial Analysis Speech Arena 与 Hugging Face TTS Arena 两个权威榜单中双双位列第一，超越了 OpenAI、ElevenLabs 等主流模型，支持 32 语种、不同口音和情绪的语音合成。

应用层面，TTS 能力正在被嵌入到更复杂的产品形态中。真格基金投资的 Vozo AI 从手机提词器起步，逐步延伸到声音美化、语言转换、内容改写等功能，最终沉淀为 SaaS 产品，目前全球用户超过 600 万。五源资本在 2023 年的一篇文章中也提到，其被投项目 ACE Studio 探索过"text-to-音色"的交互方式，让用户用语言描述生成虚拟歌手的混合音色。