快讯6 条

快讯3 条 · 可滚动

今日补核：DeepSeek 更新至 V4.1 Flash-10172026-10-19

本站于 2026-10-19 补核；官方发布日期为 2026-10-17。

出处：DeepSeek 官方文档 · 更新日志官方

今日补核：Grok Voice 更新至 3.02026-10-19

本站于 2026-10-19 补核；官方发布日期为 2026-10-14。

出处：xAI · API Release Notes官方

今日补核：Gemini 更新至 Gemini 4 Argon2026-10-19

本站于 2026-10-19 补核；官方发布日期为 2026-10-13。

出处：Gemini API · Release notes官方

还有 3 条今天够格上头条的，横幅放不下 —— 去「最近有什么变化」看全部 →

开源权重Open Weights

获取 · 部分

沿用视频 / 图像 / 文本三卷的同名能力。声音卷原来漏了这一格 —— 而它在这一卷比别处更要紧：TTS 与音色复刻常涉及真人声音，能不能把权重放在自己机器上跑，直接决定样本要不要出门。

各家叫法：开源权重 · 权重公开 · 开放权重 · Open Weights同一件事，各家名字不同。我们自己就因为按字面去搜而误判过 —— Kling 管角色参考叫 Element、LTX 叫 Ingredients，按 Character Reference 去找会一无所获，然后把「没找到」写成「官方没说」。

tts：谁实现了

稀宇科技 MiniMax

MiniMax Speech speech-2.8-hd

判据是去它自己的组织下把仓库列全再数，不是印象。哪天多出一个语音仓库，这一格就该翻 —— 所以这条源进了监视清单。

Hugging Face · MiniMaxAI 官方组织（全量仓库清单）官方来源核验版本 speech-2.8-hd核验于 2026-08-12机器录入

ElevenLabs Eleven v4

⚠️ 2026-10-10 已更新到 Eleven v4，此格尚未核到新版的直接证据，显示未知；原核验版本 Eleven v3。旧记录：这家把权重完全留在自己手里，只出 API。

Hugging Face · elevenlabs 官方组织（全量仓库清单）官方来源核的是 Eleven v3 · 现已是 Eleven v4，未重核核验于 2026-10-10机器录入

Google DeepMind

Gemini TTS 3.8 Flash TTS

当前模型卡不足以确认本项；长篇多轮稳定性不等于异步长文本接口，旧 3.1 的流式能力不直接继承。

Google · Gemini 3.8 Flash TTS 模型卡官方来源核验版本 3.8 Flash TTS核验于 2026-10-19机器录入

GPT TTS GPT-4o mini TTS

⚠️ Whisper 是语音转文字，按 ontology 规则十一不在这一卷收录范围内 —— 它的存在不能算作「OpenAI 开放了语音生成权重」。

Hugging Face · openai 官方组织（全量仓库清单）官方来源核验版本 GPT-4o mini TTS核验于 2026-08-12机器录入

Qwen Omni 3.5-omni-plus

Apache-2.0，全模态与 TTS 两支都放了权重。

Hugging Face · Qwen/Qwen3-Omni-30B-A3B-Instruct官方来源核验版本 3.5-omni-plus核验于 2026-08-12机器录入

GLM-TTS

MIT，限制最少的一档。

Hugging Face · zai-org/GLM-TTS官方来源核验版本 GLM-TTS核验于 2026-08-12机器录入

CosyVoice Fun-CosyVoice3-0.5B-2512

Apache-2.0。⚠️ 代码仓库已从 FunAudioLLM 迁到 QwenAudio 名下，权重仓库仍在旧组织。

Hugging Face · FunAudioLLM/CosyVoice2-0.5B官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-12机器录入

Fish Speech s2-pro

s2-pro 采用 Fish Audio Research License，允许研究与非商业使用。这里核实权重已发布，不沿用 1.5 的 CC-BY-NC-SA 许可名。

Hugging Face · fishaudio/s2-pro 模型卡官方来源核验版本 s2-pro核验于 2026-08-12机器录入

hexgrad（Kokoro）

Kokoro 82M v1.1-zh

这一卷下载量最大的权重，82M 参数，普通机器就能跑。Apache-2.0，商用无附加条件。

Hugging Face · hexgrad/Kokoro-82M官方来源核验版本 82M v1.1-zh核验于 2026-08-12机器录入

music：谁实现了

稀宇科技 MiniMax

MiniMax Music music-3.0

2026-08-13 官方发布文章明确 MiniMax Music 3.0 为 Open-Weights；撤回组织目录没找到即不支持的旧判断。

MiniMax Music 3.0 官方发布说明（2026-08-13）官方来源核验版本 music-3.0核验于 2026-10-10机器录入

Eleven Music v2.5

和语音那格同一条依据。　旧结论核在 v2。⚠️ 它的依据是官方 HF 组织目录，而那份快照抓回来是空的（0 字）—— 空壳不能当「确认没有权重」的新证据，所以不在这一轮重核。

Hugging Face · elevenlabs 官方组织（全量仓库清单）官方来源核的是 v2 · 现已是 v2.5，未重核核验于 2026-08-12机器录入

Google DeepMind

Lyria 3.5

HF 上搜 lyria 出来的都是同名第三方仓库，没有一个属于 Google。

Gemini API · Music generation（Lyria 3）官方来源核验版本 3.5核验于 2026-09-10机器录入

voice-rt：谁实现了

GLM Voice glm-4-voice

⚠️ 模型卡上没写许可（接口返回的 license 是空的）。权重下得到，但拿它做产品前要先找官方确认授权 —— 「能下载」和「能用」是两回事。

Hugging Face · zai-org/glm-4-voice-9b官方来源核验版本 glm-4-voice核验于 2026-08-12机器录入

GPT Realtime 2.1

和 TTS 那格同一条依据。

Hugging Face · openai 官方组织（全量仓库清单）官方来源核验版本 2.1核验于 2026-08-12机器录入

Grok Voice 3.0

已核当前实时语音文档，未见本项明确证据。

xAI · Speech to Speech API官方来源核验版本 3.0核验于 2026-10-19机器录入

asr：谁实现了

ElevenLabs Scribe v2

闭源。

ElevenLabs · Models官方来源核验版本 v2核验于 2026-08-15机器录入

Whisper large-v3

这一轨的地基：HF 下载量前十里三个是它或它的衍生。

OpenAI 官方 · Whisper large-v3 模型卡官方来源核验版本 large-v3核验于 2026-08-15机器录入

SenseVoice Small

阿里 FunAudioLLM 官方 · SenseVoiceSmall 模型卡官方来源核验版本 Small核验于 2026-08-15机器录入

Qwen3-ASR 1.7B

阿里官方 · Qwen3-ASR 模型卡官方来源核验版本 1.7B核验于 2026-08-15机器录入