豆包与 Qwen 语音模型：10 秒语音即可低成本复刻音色

AI 圈博主 Alchain 称，豆包和 Qwen 的语音模型只需投喂约 10 多秒语音样本，就能把音色复刻得相当好，而且价格便宜。他建议让自己的 agent 调用这类语音克隆能力，若 VoxCPM 效果不理想，可换这些方案尝试。