跳到正文
11月4日週三
  1. unwire.hk · 人工智能31

    iOS 27.3 Beta 的 Siri AI 設定出現香港廣東話選項,Apple 稱繁體中文稍後推出

    iOS 27.3 Beta 的 Siri AI 語言設定出現「中文(廣東話 – 香港)」選項,但 Apple 尚未確認廣東話語音已在測試版開放。Apple 表示繁體中文將稍後加入,香港功能供應狀況頁面目前仍未列出廣東話版的確定開放日期。 iOS 27.3 現為開發者 Beta,正式版支援及廣東話語音、個人情境理解和跨 App 功能仍待確認。

  2. DEV Community46

    如何以 Whisper Large-v3、Pyannote 説話者分離及 MCP 建構巴西葡萄牙語音訊與影片轉錄流程

    Transcreva 建構了面向巴西葡萄牙語音訊與影片的 AI 轉錄及字幕平台,結合 Whisper Large-v3 與 Pyannote 產生附有説話者標籤和逐詞時間戳的文字。平台支援 WhatsApp 語音訊息轉錄及 .srt、.vtt 字幕輸出,並以開源 MCP 伺服器 transcreva-mcp 將轉錄工具整合至 Cursor、Claude Desktop 和 Windsurf。

  3. 阿里雲開發者社區 AI29

    AI 英語教學軟件的開發與落地流程

    AI 英語教學軟件的開發與落地通常分為需求規劃、架構選型、功能開發、低延遲優化、測試評估及持續營運六個階段。方案結合 LLM、ASR/TTS、多模態技術與 RAG,並提出以 WebSocket 或 WebRTC 將語音對話響應延遲壓至 1 秒內。

  4. Analytics India Magazine46

    Arrowhead AI 推出 Fletch 多語言客戶通話語音模型

    Arrowhead AI 推出語音模型 Fletch,供印度及東南亞的多語言客戶對話使用,目前每日處理超過 100 萬通客戶電話。Fletch 支援 14 種語言,可在句子中切換語言,並設有 12 種情緒風格;據稱延遲為 80 毫秒,選定詞語的發音準確度提高約 30%。

  5. DEV Community22

    如何使用 ElevenLabs API 複製你的聲音

    ElevenLabs API 可透過上載語音樣本、訓練聲音模型及合成語音,建立模仿指定説話者的聲音克隆。ElevenLabs 建議每位説話者提供至少 3–5 分鐘清晰音訊,快速克隆則可使用 30 秒音訊;生成語音時可調整穩定度、相似度、風格、音高和語速。教程亦示範以 Python 呼叫 API,並用 Flask 建立可輸入文字及下載 MP3 的網頁演示。

  6. HuggingFace Daily Papers(社區熱門論文)53

    Confucius4-R2T2 發佈穩定前綴串流 ASR 模型

    Confucius4-R2T2 團隊公開推出穩定前綴串流 ASR 模型,輸出只追加、不反覆修訂的文字,供語音智能體等下游系統即時使用。模型以 Qwen3-ASR-1.7B 為基礎,透過 Longest Stable Prefix(LSP)監督,經後訓練將全上下文 ASR 模型轉為串流模型,無需修改架構。

  7. DEV Community61

    ElevenLabs 免費方案可否用於 YouTube?旁白流程應記錄的授權規則

    ElevenLabs 免費方案生成的旁白只可作非商業用途,發布時須在標題加入「elevenlabs.io」或「11.ai」;涉及廣告收入、贊助、聯盟連結或客戶工作的影片,則須使用付費方案生成音訊。免費方案期間生成的音訊即使日後升級仍不可商用;付費訂閲期間生成的內容,在訂閲結束後仍保有商業授權。作者示範以 CSV 記錄音訊的生成方案和日期,並在渲染前檢查商業影片是否包含免費方案生成的旁白。

  8. DoNews80

    OpenAI 公佈 ChatGPT 最新數據:每週活躍用戶達 12 億,兩個月新增 2 億

    OpenAI 消費者產品負責人 Adam Fry 表示,ChatGPT 每週活躍用戶已達 12 億,過去 60 天由 10 億增加約 2 億。他稱 ChatGPT 每週處理的搜尋類查詢量約為 Google 的五分之一,語音輸入及語音對話合計有 2.5 億週活躍用戶,每週生成 15 億張圖片。凡觸發 ChatGPT 聯網搜尋的問題均計作一次搜尋,單純寫作和編程請求不計入。

    推薦理由:報道同時比較 ChatGPT 與 Google 的搜尋類查詢量,並列出語音及圖片生成數據,讓讀者可從用戶增長以外瞭解其不同功能的使用規模。

  9. DEV Community50

    AI 翻唱中的人聲分離與歌聲轉換如何運作

    文章拆解 AI 翻唱的流程:先從混音分離人聲,再在保留演唱內容的同時轉換音色,最後把轉換後的人聲與伴奏混合。文中以 Demucs、RVC 和 so-vits-svc 説明各階段原理及常見失效因素,並介紹 Voicestars 的分離、清理和轉換工具;Voicestars 未公開內部模型架構。作者提醒只轉換本人或獲授權使用的聲音,並披露文章與 Voicestars 合作撰寫。

  10. 新浪科技75

    OpenAI 稱 ChatGPT 周活躍用戶達 12 億,60 天新增約 2 億

    OpenAI 消費者產品負責人 Adam Fry 表示,ChatGPT 周活躍用戶已達 12 億,過去 60 天增加約 2 億,增速約為每 30 天增加 1 億。ChatGPT 搜尋類查詢量約為 Google 的五分之一;只有觸發聯網搜尋的問題才計作搜尋,純寫作和編程請求不計。ChatGPT 每週生成圖片 15 億張,語音輸入和語音對話合計周活躍用戶為 2.5 億。

  11. MarkTechPost54

    Soniox STT v6 加入智能體文字輸入及語音回聲過濾功能

    Soniox 發佈語音轉文字模型 Soniox STT v6,新增智能體文字輸入及智能體語音回聲過濾,支援 60+ 種語言。即時串流版 stt-rt-v6 可透過同一 WebSocket 接收智能體文字,協助辨認來電者的簡短回覆並過濾殘留的智能體音訊;串流價格為每小時 $0.12,包含説話者分離和語言識別。

  12. DEV Community32

    讓 AI 語音輸出更自然的 10 個技巧

    提升 AI 語音合成(TTS)自然度的 10 項技巧,涵蓋選擇語音模型、按語境整理文字、微調音高、語速與韻律,以及處理文字正規化和停頓。內容亦建議跨裝置測試、審慎使用語音複製,並透過聽眾回饋持續調整;ElevenLabs API 支援相關功能,並提供免費方案供試用。

  13. Unite.AI40

    Convoso 無需編碼 Voice AI Agent 正式提供

    Convoso 宣佈無需編碼的 Voice AI Agent 正式提供,為其外撥銷售平台加入自動潛在客戶資格判定及來電處理。該系統回應時間約 600 毫秒,以 2,000 萬段銷售對話訓練,並可回答常見問題、安排預約及把來電轉接至合適人員。

  14. IT之家73

    Apple 智能首批功能隨 iOS 27.3 開發者預覽版登陸國行 iPhone,AirPods 加入即時翻譯

    Apple 向 iPhone 推送首個 iOS 27.3 開發者預覽版,為國行用戶帶來「Apple 智能與 Siri」及首批功能。功能包括 Siri 呼出燈效、訊息、FaceTime 通話和電話 App 的即時翻譯、寫作工具、視覺智能、相片消除工具、智繪表情及通知摘要;「千問」擴展則可協助撰寫文本、生成圖像和回答問題。

  15. DEV Community34

    2026 年語音 AI 開發入門指南

    這份入門指南以 ElevenLabs 為重點,講解語音 AI 開發,涵蓋文字轉語音、語音克隆,以及語音轉文字與文字轉語音的整合。ElevenLabs API 可接收文字和 voice ID,並返回 MP3 或 WAV 音訊;語音克隆需使用 30–60 秒的音訊樣本,處理需等待 5–10 分鐘。語音克隆目前只供付費方案用戶使用。

  16. HuggingFace Daily Papers(社區熱門論文)47

    先解碼再聆聽:分塊交錯式全雙工語音語言模型的 Speculative Listening

    Speculative Listening 是一種免訓練、無損的推測解碼框架,利用分塊交錯式全雙工語音語言模型的閒置運算,預先草擬並驗證後續音訊區塊。在八項任務的 TickTock-Bench 上,它令語音區塊加速 2.6-2.8x、工具呼叫區塊最高加速 23.4x,並將回應開始前的解碼延遲平均降低 73% 至 74-241 ms。

11月3日週二
  1. DEV Community38

    ElevenLabs 與 OpenAI Voice:該選哪套 TTS 技術方案?

    ElevenLabs 與 OpenAI Voice 面向不同需求:前者專注語音生成、聲音克隆和創作者工具,後者把語音整合到多模態 API 與 ChatGPT 生態系統,支援推理及對話流程。ElevenLabs 提供每月 $0、$6、$22 和 $99 的方案,適合重視旁白質感和聲音識別度的產品。需要語音與推理、工具呼叫緊密配合的互動應用,則可考慮 OpenAI Voice。

  2. IT之家17

    全球首款甲醇電混家轎吉利銀河星耀 6 EF 發佈:CLTC 綜合續航最高 1880km,上市限時煥新價 7.68-9.68 萬元

    吉利銀河星耀 6 EF 正式發布,官方稱其為全球首款甲醇電混家轎,上市限時煥新價為 7.68-9.68 萬元。新車 CLTC 純電續航 230km,滿醇滿電綜合續航 1250km,滿油滿電綜合續航最高 1880km。車輛搭載由 1.5L 甲醇發動機與電機構成的插電混合動力系統,支援甲醇和汽油在同一油箱靈活配比。

  3. DEV Community25

    MilhommeSI 第 1 天:為何公開記錄建構過程

    MilhommeSI 創辦人開始逐日公開記錄產品的建構過程,並在產品投入服務期間分享設計選擇、實際回饋與調整。首個已投入服務的產品 Sarah 是一款 AI 秘書,可全天候以自然的魁北克法語接聽中小企電話、記錄聯絡資料、回答常見問題及安排預約。

  4. 創業邦55

    Midoo 9 月應用商店分成後流水接近 100 萬美元,雅思寫作教學與目標有落差

    AppMagic 數據顯示,AI 語言學習產品 Midoo 9 月應用商店分成後流水接近 100 萬美元,下載量、月流水與 RPD 同時上升。文章將增長歸因於面向不同用戶的達人營銷、AI 定製課程及訂閲設計,年訂閲約佔中國市場內購收入三成。實測顯示,Midoo 的口語課程能配合個人目標,但雅思寫作練習仍沿用跟讀和發音糾錯方式,教學方法與學習目標出現錯配。