6月25日，AI语音公司ElevenLabs推出独立移动应用，支持iOS和Android平台。用户可通过该应用输入文本并选择语音模型生成音频，免费用户享有约10分钟的文本转语音额度。应用接入最新v3 alpha模型，支持通过标签控制语音情感表达。此前，用户仅能通过网页版使用该服务。此次发布是ElevenLabs在消费级应用领域的进一步布局，未来计划增加语音转文本及对话式AI功能，并整合基于MCP技术的体验。

微软Azure AI语音服务于8月23日推出全新功能——文本到语音虚拟人（Text to Speech Avatar）。这一创新技术让开发者能够利用Azure AI文本转语音技术，将简短文本转化为具有人类自然说话风格的视频，实现文本与视觉的无缝融合。此功能支持创建个性化虚拟人，输出视频分辨率为1920 x 1080，帧率为每秒25帧。用户可选择不同人物预设形象，并借助Azure AI生成的声音进行内容创作。此外，Speech Studio提供内容创建工具，支持实时聊天头像，实现互动体验。值得注意的是，服务定价基于视频时长，且已在全球多个地区包括东南亚、北欧、西欧、瑞典中部、美国中南部和美国西部正式上线。此功能不仅丰富了AI语音应用的展现形式，也为开发者提供了更多创意空间和商业机会。

OpenAI于6月10日再次澄清其文本转语音工具，称该技术目前仅限小范围测试，未来可能不开放，以增强公众对其发展的理解。去年底，OpenAI预览了能生成逼真人声的“语音引擎”，旨在通过教育和安全措施防范人工智能威胁。针对声音克隆技术引发的担忧，OpenAI正与多方合作，包括美国联邦贸易委员会，关注欺诈问题，并对最新模型GPT-4o进行风险评估，以确保公平和透明。总统拜登的人工智能负责人对此表示担忧，OpenAI承诺持续与各界合作，应对潜在风险。