待验证50% 置信事实精确时间
语音模型竞争格局包括 Cartesia（Sonic 3.6）、OpenAI（GPT-4o mini TTS）、Google（Gemini Flash TTS）以及 Deepgram、Fish Audio、Boson 等创业公司。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/13
首次发现
有效期至：2026/10/27
来源
涉及实体
相关事实
待验证OpenAI的GPT-Live语音模型采用端到端架构，原始音频波形直接输入模型，模型直接输出音频，中间不再经过独立的ASR和TTS模块68% 相似待验证Google的AudioLM（2022）和Meta的SeamlessM4T（2023）验证了直接在音频域进行建模的可行性68% 相似待验证OpenAI在GPT-4o系统卡中发现了一种罕见的非授权语音生成现象，模型会意外模仿用户自己的声音68% 相似待验证谷歌为 Gemini Audio 带来了新一代文本转语音（TTS）能力68% 相似待验证2023年后，随着Whisper、Bark、VALL-E等开源模型的广泛传播，从频谱图还原语音的能力已不再局限于顶级研究机构，普通技术人员借助消费级GPU即可复现67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1020019API
curl https://kongchang.com/api/v1/knowledge/claims/1020019MCP
get_claim(id=1020019)