跳到正文
11月1日週日
  1. DEV Community27

    Last Broadcast:以 AI 為博帕爾歷史記憶發聲

    Last Broadcast 建立以 AI 驅動的博帕爾歷史檔案,保存及整理地方故事與口述記憶,讓用戶探索歷史資料。平台可將上載錄音轉成可搜尋文字,並透過 AI 檢索檔案內容、生成歷史敍述。項目使用 Qwen 2.5 7B Instruct 生成回應,並以 ElevenLabs Scribe 轉錄語音、以 ElevenLabs multilingual TTS 生成語音敍述。

10月31日週六
  1. 新浪科技17

    一汽奔騰小馬五門版上市

    一汽奔騰小馬五門版上市,提供4款車型,限時售價3.99萬元至4.99萬元。該車是A00級首款符合新國標的五門車型,全系標配雙氣囊及ESC穩定系統;一汽奔騰表示,奔騰小馬用戶已達30萬人。

  2. DEV Community38

    Midnight Stranger:本地恐怖故事電台

    Midnight Stranger 是一個可離線運作的恐怖故事電台,以本地語言模型生成故事,並由本地語音模型朗讀。故事由 Gemma 3 (4B) 經 Ollama 生成,並由 Piper TTS 配音;電台環境音則以 numpy 生成。完成設定後毋須連接互聯網或使用 API,每個故事的成本為 $0。

  3. 新浪科技74

    Apple Intelligence 將於 11 月 4 日在中國大陸開放測試,並計劃 12 月隨 iOS 27.3 推出

    Apple 宣佈,Apple Intelligence 首批功能將於 11 月 4 日透過 iOS 開發者 Beta 版在中國大陸開放測試,並計劃於 12 月隨 iOS 27.3 正式版推出。功能涵蓋即時翻譯、照片消除、寫作工具、智繪表情(Genmoji)和 Siri 升級,並接入阿里巴巴千問;首批僅支援符合條件的 iPhone,iPad 和 Mac 的開放時間未定。

  4. DEV Community47

    真實新聞廣播中的七款語音模型:排行榜第一與 0.6B 模型表現相若

    七款語音模型在真實新聞廣播上的 WER 相差不超過 0.94 個百分點,排行榜第一的 30B 模型與 0.6B 模型之間的差異未達統計顯著。測試涵蓋 31 段廣播、共 2.6 小時;速度介乎 13x 至 1,117x,每小時音訊成本約為 $0.003 至 $0.220。選擇模型時,吞吐量和服務配置比模型規模更值得考慮。

  5. Numerama40

    Subvocal 推出可將無聲口形轉為文字的眼鏡,預告每分鐘輸入 200 個詞

    美國初創公司 Subvocal 為無聲輸入眼鏡籌得 130 萬美元,並開放預訂;公司稱眼鏡可追蹤説話肌肉的活動,把幾乎看不見的口形動作轉成文字,速度超過每分鐘 200 個詞。美國預訂需付 199 美元訂金,早鳥價為 499 美元,預計 2027 年第一季交付。Subvocal 尚未公開示範,亦未説明錯誤率、用戶所需學習時間或詞彙範圍。

  6. DEV Community30

    ElevenLabs 如何為品牌打造自訂 AI 聲音

    ElevenLabs 提供文字轉語音 API,文章示範如何建立、微調及部署品牌自訂 AI 聲音。建立聲音需準備 5–10 分鐘清晰語音,並可透過 Python 或 JavaScript SDK 上載音訊及合成文字語音。生成音訊預設為 MP3,亦可選擇 WAV 或 Opus。

  7. DEV Community23

    After Midnight:將真實事件化為 AI 旁白恐怖故事

    After Midnight 是一個正在開發的恐怖故事網站,計劃以網上搜集的真實事件為靈感,生成虛構故事並加入旁白。構想中的流程包括來源查找與核實、故事生成及語音朗讀;Gemma、ElevenLabs 和 SerpApi 的選用仍待確認。下一步是完成包含來源、虛構故事及可播放旁白的端到端示範。

  8. DEV Community50

    Second Voice:以手機離線運行 Gemma 3 1B,協助準備難以啟齒的對話

    Second Voice 以手機本機運行的 Gemma 3 1B Instruct,協助用戶準備難以啟齒的對話並練習表達。用戶可用語音或文字描述情境,取得核心表述、對方可能的顧慮、安全開場句,以及 Calm、Direct、Firm 三種可編輯草稿,並錄音練習。完成一次模型下載後,轉錄、生成及儲存均在裝置上進行,無需帳戶或網絡;作者在 vivo V2225 飛行模式下測得完整排練約需 48 秒。

  9. DEV Community48

    設計一款靠對話取勝的兩分鐘語音遊戲:我們學到的事

    DessaGuide 設計了語音遊戲 The Dragon's Day Off,玩家要在兩分鐘內説服 Ember 烤一片麵包;遊戲使用 OpenAI Realtime API,而非未公開提供的 Dessa。倒數從 Ember 説完開場白後開始,玩家須處理角色的兩項顧慮,明確取得同意才算勝出。每 24 小時最多玩三輪;音訊直接由瀏覽器串流至 OpenAI Realtime API,不經網站伺服器。

  10. DEV Community34

    如何為影片內容建立 AI 配音工具

    這篇教學示範如何建立影片 AI 配音工具,以 STT 擷取對白、機器翻譯轉換文字,再用 ElevenLabs 的 TTS 和語音克隆生成配音。工具可把新音軌與原影片合併;文章亦説明調整語音設定、處理音畫同步及長文本限制的方法。

  11. 新浪科技79

    Apple 宣佈 Apple Intelligence 11 月 4 日開放中國大陸測試,12 月隨 iOS 27.3 推出

    Apple 宣佈,Apple Intelligence 將於 11 月 4 日起透過 iOS 開發者 Beta 版在中國大陸開放測試,並計劃於 12 月隨 iOS 27.3 正式版推出。

    推薦理由:材料列出國行版的測試及推出時間、首批設備範圍,以及千問接入的功能位置,可用來掌握這次落地的主要安排與限制。

  12. DEV Community34

    如何用 ElevenLabs 為 React App 加入語音功能

    ElevenLabs 教學示範如何在 React App 中加入文字轉語音,透過 REST API 合成語音,並以自訂 React hook 管理載入狀態、錯誤和音訊播放。文章亦説明如何上載至少 30 秒的音訊樣本建立自訂語音,並介紹快取及串流等效能做法。

  13. DEV Community43

    Altar Archive:將語音錄音製成紀念卡

    Altar Archive 是一款只在本機運行、僅使用 CPU 的工具,可將語音錄音轉成可列印的紀念卡。工具以 faster-whisper 轉錄錄音,讓用戶選擇要保留的句子,再由 TabPFN 挑出另外五句,並連同時間戳記生成單一 HTML 檔案;音訊不會離開用戶的裝置。

  14. IT之家53

    港話通(HKChat)推出 AI 音樂功能,支援粵語歌曲創作

    香港生成式人工智能研發中心(HKGAI)研發的港話通(HKChat)於 10 月 30 日更新,推出接入 YuE2 音樂大模型的 AI 音樂生成功能。用戶可哼唱或上載圖片,再輸入歌曲構思,生成具專業編曲及人聲演唱的原創歌曲;功能以粵語流行曲為特色,現階段在港話通 App 向所有用戶免費開放體驗。

  15. DEV Community27

    如何從零開始構建語音 AI 流程

    這份教學示範如何從零構建語音 AI 流程:以 ASR 將音訊轉錄成文字,再用 ElevenLabs 的 TTS 生成語音,並示範語音複製。內容涵蓋 Python、JavaScript 和 curl;錄音可採用 16 kHz 或 24 kHz、單聲道、16-bit PCM 格式。

  16. DEV Community32

    每週安全新聞綜覽:2026 年 10 月 30 日

    本週安全新聞綜覽涵蓋 AI 仿聲詐騙、Amatera 資訊竊取程式,以及企業是否應為 AI 發動的網絡攻擊承擔刑事責任等議題。一名受害者因 AI 仿造女兒聲音的電話詐騙損失 $5,400;Telegram Android 漏洞可在用戶接聽語音通話時讓攻擊者執行程式碼,已於 12.10.4 或更新版本修復。Amatera 會竊取登入憑證、工作階段 cookies、token 等資料。

  17. DEV Community48

    當 Azure 音素標籤與課程 IPA 不一致時

    一款英語口説練習 app 調整了 Azure Pronunciation Assessment 的音素顯示方式:抽屜只以詞庫中的 iscommon American IPA 作為目標音,不再把 Azure 的 SAPI 標籤當成課程要求。兩者音素一致時顯示 Azure 評分;不一致時保留課程 IPA、隱藏評分,並提示錄音與目標音不符。

10月30日週五
  1. DEV Community37

    構建 CallAudit-X:一款沒有 API 金鑰仍可運作的 AI 通話審核 SaaS

    CallAudit-X 是一款沒有 API 金鑰仍可透過模擬 AI 完成流程的通話審核 SaaS。設定 OpenAI 後,系統會在用戶明確要求時使用 gpt-4o-transcribe 和 gpt-4.1-mini 轉錄及審核通話;若未設定或呼叫失敗,則改用模擬資料。審核人員可確認或修正結果,語音信箱及無人接聽等非對話通話則不作一般評分。

  2. DEV Community43

    語音權利:同意條款必須改變交付的數據

    Uspeaks 正把語音數據的 Analysis、Foundational 和 Transformative 用途分成不同交付流程,讓同意範圍決定買家實際收到的數據。Analysis 和 Foundational 版本只提供衍生資料,不下載原始音訊;Transformative 版本則採用獨立流程,加入浮水印並記錄處理證據。每種版本亦有各自的儲存路徑、元數據、產品身份、授權和版税紀錄。

  3. DEV Community43

    開發者如何減少在文字表達上花費的時間

    軟件開發者可先記下想表達的內容,再整理成文字,減少撰寫技術説明時同時思考、組織和溝通的負擔。文章建議錯誤報告交代問題、發生位置、預期與實際結果、重現步驟及未確定之處;pull request 則説明改動原因、內容和實際測試。功能開發期間記錄設定、依賴和限制,有助避免日後遺忘細節。