KittenML发布开源1.58位TTS模型Kitten-TTS 2
KittenML开源Kitten-TTS 2代码与权重,称其为全球首个1.58位三元权重TTS模型。1.7B参数模型可在纯CPU上实时生成语音,支持5秒内零样本声音克隆、20多种语言及情感与重音控制,为算力有限的用户提供ElevenLabs的开源替代方案。
ElevenLabs 是一家开发语音合成与音频生成模型的 AI 公司,产品覆盖语音生成、实时语音转换和 AI 音乐。近期报道集中在产品发布与融资估值:推出 Eleven Realtime 实时语音转换模型(v1 Max 在 Big Bench Audio 上得分 98.8%、响应时间 0.57 秒)、Eleven v4 语音模型和 Music v2.5;同时以 22 亿美元估值完成 3 亿美元员工股权转让,年经常性收入约 6 亿美元,并与环球音乐集团达成授权合作。
KittenML开源Kitten-TTS 2代码与权重,称其为全球首个1.58位三元权重TTS模型。1.7B参数模型可在纯CPU上实时生成语音,支持5秒内零样本声音克隆、20多种语言及情感与重音控制,为算力有限的用户提供ElevenLabs的开源替代方案。
ElevenLabs推出Eleven Realtime系列语音对语音模型,主打低延迟实时对话。其v1 Max版本在Big Bench Audio基准测试中得分98.8%,响应时间0.57秒;公司称该模型在速度与准确率组合上优于Artificial Analysis榜单上的其他模型。
a16z 的 Olivia Moore 发布消费级 AI 应用百强报告,ChatGPT 仍遥遥领先,Suno 和 ElevenLabs 等小玩家显现持久力,并列出约六个尚未被 AI 触及的消费类别。她认为机会在于订阅和 API 之外的收入,目前美国仅2.2%家庭付费,市场仍处于早期。
文章指出,AI的真正壁垒在于嵌入客户工作流:一个能处理续保、审批和升级的AI助手,即便模型落后也难以被替换。施耐德电气拟以约226亿美元收购PTC、Synopsys与OpenAI达成合作、ElevenLabs每周处理超1500万次对话,均说明掌握AI落地环境具有战略价值。
AI语音初创公司ElevenLabs通过3亿美元员工股权转让,估值从2月的110亿美元翻倍至220亿美元,交易由Wellington和T. Rowe Price联合领投。这是该公司第二次允许员工套现,此前2025年9月曾以66亿美元估值完成1亿美元转让。
ElevenLabs推出v4语音模型,能更准确地跟随笑声与耳语等提示,并在有声书等长篇制作中保持音色一致。其Turbo版本150毫秒即可开始说话,面向实时语音代理。在Artificial Analysis的Voice Arena榜单上,v4排名领先Cartesia和谷歌Gemini。
语音AI公司ElevenLabs据报获投资者220亿美元估值,年经常性收入约6亿美元。其语音模型被Klarna、德电、思科、Adobe等用于客服,CEO Staniszewski认为企业应告知客户正在与AI通话。
ElevenLabs 发布 Music v2.5,可通过应用和API在免费与专业套餐中使用。公司称模型仅用授权音乐训练,在近48,000对比对的盲测中听众更偏好新版本。
环球音乐集团与ElevenLabs达成多年授权协议,共同开发一款允许用户基于经授权曲目制作重混与新作品的AI音乐平台,艺人可选择是否参与。