TTS 将文字经过文本分析（分词 / 词性 / 韵律）+ 声学模型 + 声码器后输出 PCM 音频。当前主流是端到端神经语音合成（Tacotron / FastSpeech / VALL-E）
Text-to-Speech，语音合成 — 将文字转为人类语音的技术。AI 客服语音渠道的出口，与 ASR 配合实现完整电话客服闭环。
…文本 网页 / App / 微信 在线客服、富文本+表情 语音 电话 / 呼叫中心 ASR +TTS情感分析 视频 远程指导 设备安装、故障排查 AR App 增强现实 虚拟标注、远程协助 虚拟数字人 多端 3D 建模 + 语音合成 +…
虚拟数字人4 处…虚拟数字人 Virtual Digital Human — 通过 3D 建模 +语音合成动作捕捉 + 大模型对话驱动的拟人化数字角色。AI 客服未来形态之一，作为"数字员工"提供拟人化服务。 定义 虚拟数字人由 3D / 2D 形象 + 实时驱动（语音/动作/表情）+…
AI 老师2 处…教师，承担标准化知识传授 + 个性化练习 + 即时反馈职能，与真人教师形成人机协同（好未来 双模式典型代表）。 技术栈 虚拟形象 · 数字人合成 — 真人形象 / 卡通形象生成 TTS语音合成 — 讯飞等厂商已接近真人水平 · 动作捕捉与驱动 — 自然肢体语言和表情 对话能力 · 基于教育大模型（子曰大模型 / 九章大模型 / 星火大模型）…
ASR2 处…ASR Automatic Speech Recognition，自动语音识别 — 将人类语音转为文字的技术。AI 客服语音渠道的入口，与TTS/ NLU 组成完整语音对话能力。 定义 ASR 将声波信号经过特征提取（MFCC / Mel-Spectrogram）、声学建模、语言模型后输出文字。…
AI NPC1 处…(d) 跨场景追踪。 技术细节 三层架构： 1. 多模态感知层：语音识别 /TTS/ 视觉识别（玩家行为捕捉） 2. 大模型决策层：上下文理解（对话历史 + 游戏状态）+ 个性化人设（Prompt Engineering） 3. 行为执行层：实时推理（边缘计算优化）+ 动作生成（动画系统联动）…
AIGC1 处…/ Pika / Luma AI Dream Machine / 即梦 / 生数科技 Vidu · 文生音乐：Suno / Udio / 万兴天幕 · AI 语音 /TTS：ElevenLabs / 科大讯飞 / 出门问问 · 3D 生成：Meshy / Luma AI / Tripo / VAST…
智能客服1 处…混合部署（10%）：核心数据本地 + 其他云端 相关概念 · AI Agent / 对话机器人 / RAG / NLU / ASR /TTS多轮对话 / 情感识别 / 多模态交互 / 虚拟数字人 · 全渠道客服 / CDP / 客服 SaaS…
…ElevenLabs ElevenLabs 是 AI 语音与音频生成模型公司，卡在模型层，凭文本转语音、语音克隆和按字符计费的 API 服务开发者与企业。 其模型矩阵从 Multilingual v2、Turbo v2.5 演进到 ElevenLabs v3，并扩展至 Music v2 音乐生成。…
出门问问2 处…奇妙问问 / 序列猴子大模型 — AI 助手 + 通用大模型 · TicWatch — AI 智能手表（早期产品） · 企业级TTS/ 语音克隆 API 技术亮点 / 护城河 · 3 秒语音克隆 — 业内最短样本时长 · 多语种支持 — 配音覆盖中英日韩等 · 早期 Google 系基因 — 创始人李志飞 Google 总…
网易有道2 处…网易有道（DAO.US） 网易有道是卡位 AI 教育应用层的网易系厂商，以教育多模态模型、语音合成能力和桌面级 Agent 产品组成应用栈。 2026 年 5 月披露的教育场景多模态模型参数规模为 27B，纯文本中文数理难题准确率为 81.4%；2026 年 2 月推出桌面级 Agent LobsterAI。…
xAI1 处…26 年 2 月 15 日，xAI 模型调用量为 535B tokens，对应 5% 份额。 · 多模态生成：产品线包括 Grok Imagine 质量模式 API、Grok Imagine 1.5 预览版和 Grok VoiceTTS1.0，其中 Grok Imagine 1.5 支持图像到视频生成。2026 年 7 月 15 日，xAI 在图像、语音、视频生成类模型请求量份额分别为 4.8%、6.1%、6.0%。…
