10 月 27 日消息，据读佳报道，Soul 将推出专为交互场景打造的 AI 音视频一体化产品 Loxinity，包含语音合成模型 Loxi Speech 和视频生成模型 Loxi Avatar，定位为面向实时交互的活人感语音与多模态产品。
与面向配音、短视频的传统 TTS 不同，Loxinity 从底层瞄准实时对话场景，更看重语气停顿、情绪起伏等副语言细节。产品支持单人配音和多人对话两种模式，配套音色克隆、音色设计等工具，并开放 API 接入。视频侧，用户可上传图片生成数字人形象，平台预置了真人、二次元、奇幻风格等多种角色，支持实时视频通话。
可细调的情绪配置
实测界面已集成添加副语言、添加情感等可视化配置选项，用户可精细控制语音的情绪表达。计费采用积分与订阅套餐两种模式，面向 B 端客户开放。
Soul 此前已在站内进行多项 AI 社交实验，包括 AI 群聊主持人、AI 伴侣等场景，积累了真人对话数据，成为打磨活人感交互技术的核心壁垒。
差异化赛道的商业化考验
分析人士认为，在通用大模型赛道巨头扎堆的背景下，Soul 选择情绪交互这一差异化赛道，但站内验证可行的能力向 B 端交付时，并发承载、实时延迟和项目成本仍是硬性门槛，商业化潜力有待市场检验。
这种实时情绪语音的技术路线与 Block 发布纯语音模型 Dessa 不完全相同，那边走的是纯语音模型本地部署，这边把音色克隆、数字人形象和实时通话打包成产品形态。相关端侧语音模型的技术细节本站也在 Gradium Phonon 开源 一文里拆过。
延伸阅读
- Block 发布纯语音模型 Dessa：单台 GB200 训练，M4 Max 本地跑3 天前
- 蚂蚁百灵开源 Ming-3.0：五款模型覆盖语音合成、理解与识别，导演模式可描述情绪1 周前
- 蚂蚁 Ming-3.0-tts 登顶开源榜：发音鲁棒性 93.2% 并列第一6 天前
- Kimi-Audio 开源音频大模型解析：LibriSpeech 词错误率 1.28%，三段式架构统一语音任务1 月前
AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。
继续读
同一批更新里这几篇值得一看：
- Ollama 离线语音提速 35%：Phonon 首次内置 TTS2026-10-27
- The RealReal封堵AI购物：20分钟保留机制被刷爆2026-10-27
- 蚂蚁 Ming-3.0-tts 登顶开源榜：发音鲁棒性 93.2% 并列第一2026-10-22