情绪与风格控制Style / emotion control
控制 · 已普及
Google「用自然语言控制音色、口音、节奏和语调」+ 音频标签 · MiniMax「情绪渲染融合语气词」各家叫法：style control · 情绪渲染 · controllable style · audio tags · 语气词同一件事，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
模型表：「speech-2.8-hd —— 情绪渲染融合语气词，重塑自然听感」；接口概览「同步语音合成」一节另有音量/语调/语速调整
MiniMax 开放平台 · 接口概览官方来源核验版本 speech-2.8-hd核验于 2026-08-12机器录入
ElevenLabs
ElevenLabs Eleven v4
Google DeepMind
Gemini TTS 3.8 Flash TTS
OpenAI
GPT TTS GPT-4o mini TTS
`instructions` 参数「控制语音特性（口音、情感范围、语调、语速、语气等）」—— 用自然语言下指令，不是固定档位
OpenAI · Text to speech官方来源核验版本 GPT-4o mini TTS核验于 2026-08-12机器录入
阿里巴巴
Qwen Omni 3.5-omni-plus
已核 Qwen3.5-Omni 音频输出章节；同节示例明确使用 qwen3.5-omni-plus。支持指令调节音量、语速、情绪。
阿里云百炼 · Qwen-Omni官方来源核验版本 3.5-omni-plus核验于 2026-10-10机器录入
智谱
GLM-TTS
「通过上下文智能预判文本情绪与语调，显著提升语音自然度与表现力」；两阶段生成 + GRPO 强化学习，自称在「字错误率」与「情感表达」上取得开源 SOTA
智谱 · GLM-TTS官方来源核验版本 GLM-TTS核验于 2026-08-12机器录入
阿里巴巴
CosyVoice Fun-CosyVoice3-0.5B-2512
支持通过 instruct 控制语种、方言、情绪、语速、音量等｜原文：「Instruct Support: Supports various instructions such as languages, dialects, emotions, speed, volume, etc.」
Hugging Face · Fun-CosyVoice3-0.5B-2512 模型卡官方来源核验版本 Fun-CosyVoice3-0.5B-2512未单独记核验日 · 数据截至 2026-10-19机器录入
Fish Audio
Fish Speech s2-pro
行内 `[tag]` 控制，接受自由描述而非固定标签（文档举例 `[whisper in small voice]`、`[professional broadcast tone]`），自称支持 15,000+ 种韵律与情绪标签，可细到词级
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
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 82M v1.1-zh未单独记核验日 · 数据截至 2026-10-19机器录入