Boson AI押注开源Higgs语音模型能超越云巨头；融资7000万美元，仓库星标7500个

Boson AI构建基础音频模型——Higgs TTS、语音到语音和虚拟形象API——用于对话式语音代理，面向金融、电信、医疗和保险企业，早期模型开放权重。

语音是下一个人类与AI的交互界面，而开源权重全栈模型系列可以在成本上击败OpenAI和Meta——开源带动采用，付费API实现变现。

种子轮共融资7000万美元；投资方包括中国企业家宿华和淡马锡旗下风投部门（来源：财富杂志，2026年7月27日）。

Alex Smola，前AWS杰出科学家，于2023年与李沐（他的学生、MXNet深度学习框架联合创建者）共同创立Boson AI，因为他们判断行业正从纯文本界面转向多模态音频和视觉。公司开始推出Higgs系列模型，并于2025年5月开源Higgs TTS 2。

Higgs TTS 2的开源发布获得了社区关注——截至2025年10月21日，boson-ai/higgs-audio仓库的GitHub星标达到7500个（2025年第四季度增长7.5倍，根据ROSS指数）——公司持续发布：2026年6月4日推出Higgs TTS 3（支持100多种语言、零样本语音克隆、内联情感控制），2026年6月推出Higgs Avatar API，并于2026年3月举办Higgs Audio黑客松。财富杂志报道融资7000万美元，由宿华和淡马锡投资，企业客户目标为金融、电信、医疗和保险行业。

运行中且扩展中：截至2026年9月，Boson AI正在准备推出其首个语音到语音模型Higgs RealTime，声称成本约为OpenAI等竞争对手的十分之一；Higgs Audio v3版本现已在Hugging Face上发布，并提供托管API（boson.ai）。

开源早期Higgs模型积累了开发者的好感度和GitHub可见性，无需广告预算，为后续付费API所使用的生态播下了种子。

十分之一成本的声称针对了语音AI中成本最高的问题——推理成本——使价格成为对抗资金充足的大型厂商的楔子。

全栈押注（TTS、ASR、虚拟形象、语音到语音）让企业有一个供应商就能完成整个语音循环，并满足数据驻留需求。

首先瞄准金融、电信、医疗和保险，为早期公司获得了狭窄的企业滩头阵地，然后再扩展到消费级规模。

开放权重发布是模型初创企业的低成本分销：免费提供早期模型可获得GitHub可见性和开发者好感，而付费API和企业许可则可稍后实现价值捕获。

截至2026年9月2日，Boson AI正在运营并扩展。Higgs TTS 3于2026年6月4日发行，带开放权重在Hugging Face上，并在boson.ai上提供免费托管预览；Higgs Avatar API于2026年6月推出；Higgs RealTime（公司首个语音到语音模型）计划于2026年8月左右推出（来源：Crypto Briefing、财富杂志）。公司报告约7000万美元融资，投资方包括宿华和淡马锡，并销售支持本地部署、数据驻留的企业解决方案，覆盖金融、电信、医疗和保险。