时间戳字幕Word/sentence timestamps
工程 · 部分
MiniMax 异步长文本「支持时间戳（字幕）返回，精确到句」各家叫法：timestamps · 时间戳 · 字幕同一件事，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
ElevenLabs
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：文档索引里单列端点「Create speech with timing」（`text-to-speech/convert-with-timestamps`），另有独立能力页「Forced Alignment —— turn spoken audio and text into a time-aligned transcript」
ElevenLabs · 文档索引（llms.txt）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
OpenAI
GPT TTS GPT-4o mini TTS
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 GPT-4o mini TTS未单独记核验日 · 数据截至 2026-10-19机器录入
阿里巴巴
Qwen Omni 3.5-omni-plus
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 3.5-omni-plus未单独记核验日 · 数据截至 2026-10-19机器录入
智谱
GLM-TTS
无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 GLM-TTS未单独记核验日 · 数据截至 2026-10-19机器录入
阿里巴巴
CosyVoice Fun-CosyVoice3-0.5B-2512
查过、零命中：README 全文没有 timestamp / alignment / 字幕 相关说法
官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 Fun-CosyVoice3-0.5B-2512核验于 2026-08-14机器录入
Fish Audio
Fish Speech s2-pro
查过、零命中：2026-08-14 全文检索这份模型卡（Fish Speech 只有 1,200 字、Kokoro 6,161 字），没有「时间戳字幕」相关的任何说法。⚠️ 卡片太薄不等于模型做不到 —— 研究/社区仓库不是功能清单，所以不升级成 ❌
官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 s2-pro核验于 2026-08-14机器录入
hexgrad（Kokoro）
Kokoro 82M v1.1-zh
查过、零命中：2026-08-14 全文检索这份模型卡（Fish Speech 只有 1,200 字、Kokoro 6,161 字），没有「时间戳字幕」相关的任何说法。⚠️ 卡片太薄不等于模型做不到 —— 研究/社区仓库不是功能清单，所以不升级成 ❌
官方 Hugging Face 组织（发布时间取自 API 的 createdAt）官方来源核验版本 82M v1.1-zh核验于 2026-08-14机器录入