12月11日，智谱发布工业级语音合成系统GLM-TTS，并在Hugging Face和ModelScope平台开源模型权重。该模型仅需3秒语音样本即可克隆音色与说话习惯，适用于教育、电子书、客服等场景，生成自然流畅的语音。其训练数据仅10万小时，远低于行业主流，预训练只需单机4天，成本显著降低。GLM-TTS采用两阶段生成架构和基于GRPO的强化学习方案，在公开评测中达到开源SOTA表现，字符错误率低至0.89%，情感表达领先行业。开发者可通过GitHub、Hugging Face等平台获取资源，或通过开放平台API快速集成。在线体验入口包括audio.z.ai及智谱清言App。

12月10日，阿里通义千问发布Qwen3-TTS语音合成AI模型，支持超49种音色及多种方言。新模型可通过Qwen API访问，提供撒娇搞怪、青梅竹马等角色音色，覆盖不同性别、年龄和地域特征。Qwen3-TTS增强多语种能力，支持中文、英文、日语等10种语言，方言包括闽南语、粤语、四川话等，还原地方口音特色。此外，其韵律和语速调节更自然，拟人化程度逼近真人，性能优于MiniMax、ElevenLabs等同类产品。

Soul App AI团队开源了播客语音合成模型SoulX-Podcast，专为多人、多轮对话场景设计，支持中、英、川、粤等多种语言和方言，能够生成自然流畅、角色切换准确、韵律丰富的超长语音对话。该模型不仅适用于播客场景，在通用语音合成与克隆任务中也表现优异。 SoulX-Podcast具备零样本克...

10月16日，在武汉举行的FORCE LINK AI创新巡展上，火山引擎发布了四款豆包大模型。其中包括升级版豆包大模型1.6，支持四种思考长度，提升效率并降低成本；全新发布的豆包大模型1.6 lite更轻量且性价比高，性能超越前代。此外，豆包语音合成模型2.0和声音复刻模型2.0具备更强情感表现力与复杂公式朗读能力，准确率达90%，支持语速、情绪等多维度精准调整，满足多样化需求。

12日，小米集团AI实验室发布ZipVoice系列语音合成（TTS）模型。该系列包括ZipVoice（零样本单说话人语音合成模型）和ZipVoice-Dialog（零样本对话语音合成模型）。ZipVoice通过基于Flow Matching架构解决了现有零样本语音合成模型参数量大、合成速度慢的问题；ZipVoice-Dialog则优化了对话语音合成的稳定性和推理速度瓶颈。这一发布展现了小米在人工智能语音技术领域的创新突破，为行业提供了更高效的语音合成解决方案。

6月14日，加州大学戴维斯分校研发的新型脑机接口系统取得突破性进展。该系统通过在渐冻症患者大脑发音区域植入微电极阵列，实时捕捉神经信号并转化为语音，全程仅需10毫秒，几乎实现即时对话。系统不仅能让患者流畅说话，还能识别唱歌动作并合成旋律。此技术基于患者发病前的语音样本训练出的声音克隆算法，使合成语音高度还原个人特征。研究团队表示，这为脑机接口语音合成带来重要转折，未来有望帮助更多因不同原因丧失语言能力的人重获表达能力。目前，该技术仍在单个病例测试阶段，下一步将扩大适用范围。