开发者探讨结合参考音频与文本的AI声音生成现状

2026年10月6日，有用户在 Hacker News 发帖，探讨是否存在支持“参考音频 + 文本提示词”输入来生成新声音的商用 AI 模型。发帖者指出，在音效生成场景下，仅支持纯文本输入的 ElevenLabs SFX 难以精准重现目标声音，而尝试使用的 Stable Audio 3 效果也并不理想。发帖者认为，目前此类音频生成模态的发展水平仍处于类似2016年图像生成技术的早期阶段。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。