● 今日开源（2026-5-15）：Motif-Video 正式开源，20 亿参数文生视频/图生视频扩散 Transformer 模型，VBench 开源模型最高分 83.76%

📌 一句话摘要 本文汇总了 2026 年 5 月 15 日 7 个值得关注的开源项目，重点介绍了 20 亿参数文生视频模型 Motif-Video、高表现力 TTS 项目 Dramabox 等。 📝 详细摘要 本文是「机器之心 SOTA 模型」公众号发布的一期开源项目日报，汇总了 2026 年

● 玩转 Gemini 3.1 TTS：音频标签与提示词技巧指南

📌 一句话摘要 引用 Google AI 官方推文，介绍 Gemini 3.1 TTS 模型的音频标签使用技巧。 📝 详细摘要 这条推文引用并简要介绍了 Google AI 官方发布的 Gemini 3.1 TTS 模型使用技巧。官方推文详细说明了如何使用音频标签（如 [screams]、[wh

● Gemini 3.1 Flash TTS 发布，支持场景指导和多说话人

📌 一句话摘要 Google 发布了 Gemini 3.1 Flash 文本转语音模型，新增场景指导、多说话人支持等特性，并支持 70 种语言。 📝 详细摘要 这条推文宣布了 Google Gemini 3.1 Flash TTS（文本转语音）模型的重磅发布。推文清晰列出了新模型的核心特性：1.

● #497.对话 ElevenLabs CEO：揭秘语音大模型的底层逻辑与狂飙之路

📌 一句话摘要 对话 ElevenLabs 联合创始人 Mati Staniszewski，深度拆解语音 AI 从物理模拟到神经网络涌现的技术演进、单季净增 1 亿美元 ARR 的狂飙式增长秘诀，以及 AI 原生公司的扁平化组织与人才观。 📝 详细摘要 本期播客克隆了 Stripe 联合创始人

● ElevenLabs 宣布 4 月 11 日开启 11 倍积分增值活动

📌 一句话摘要 ElevenLabs 将在 4 月 11 日推出为期 24 小时的优惠，旗下所有音频和音乐 AI 模型的积分消耗将降至原来的 1/11。 📝 详细摘要 ElevenLabs 宣布了一项定于 4 月 11 日开展的 24 小时特别促销活动。在此期间，使用平台上任何音频或音乐模型（包

● Mistral AI 刚刚发布了一款号称超越 ElevenLabs 的文本转语音模型，并免费开放权重

📌 一句话摘要 Mistral AI 推出了 Voxtral TTS，这是一款专为企业自托管设计的高性能开放权重文本转语音模型，旨在通过提供卓越的控制力、更低的成本和数据主权，挑战 ElevenLabs 等专有模型领导者。 📝 详细摘要 Mistral AI 推出了 Voxtral TTS，这是

● xAI Grok 发布文本转语音 API

📌 一句话摘要 xAI 为 Grok 推出了文本转语音 API，提供五种语音并支持多种语言，博主测试后认为效果良好。 📝 详细摘要 xAI 宣布为其 Grok 模型推出全新的文本转语音（TTS）API。该 API 提供了 Eve、Ara、Leo、Rex 和 Sal 五种不同的语音选项，并声称支持

● Grok TTS API 定价与资源链接

📌 一句话摘要 博主表示 xAI Grok 文本转语音 API 定价合理，并提供了详细介绍和在线体验的官方链接。 📝 详细摘要 这条推文是关于 xAI Grok 文本转语音 API 的系列推文的第三部分，主要关注其商业可行性。推主提到该 API 的“价格也很美丽”，暗示其具有良好的性价比。更重要

● xAI 正式推出 Grok 文本转语音 API

📌 一句话摘要 xAI 官方发布了 Grok 的文本转语音 (TTS) API，为开发者提供自然的人声和丰富的表现力控制。 📝 详细摘要 xAI 宣布 Grok 的文本转语音 (Text-to-Speech， TTS) API 正式向公众开放。这一新功能允许开发者在应用程序中集成自然流畅的语音，