Echoes of Yesterday:AI 數碼記憶保存平台
Echoes of Yesterday 是一個離線、由 AI 驅動的數碼記憶保存平台,可將家庭對話或錄音轉錄、整理成可搜尋的個人記憶檔案,並根據實際錄音回答問題。
Echoes of Yesterday 是一個離線、由 AI 驅動的數碼記憶保存平台,可將家庭對話或錄音轉錄、整理成可搜尋的個人記憶檔案,並根據實際錄音回答問題。
Ghost in the Git 是一款網頁應用程式,會讀取棄置的 GitHub 儲存庫提交紀錄,並以儲存庫的視角生成詩意輓歌,再透過 ElevenLabs 合成語音播放。應用程式使用 Gemma 2 生成內容,可在本機透過 Ollama 執行,或連接相容的 API;作者表示,本機執行可避免專有程式碼接觸封閉式 API。
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。
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。
Microsoft 於 2026 年 10 月 1 日發佈 MAI-Transcribe-2-Streaming,這是其首個即時語音轉文字模型,收到音訊後略多於 100 ms 即返回首批部分辨識結果。
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。
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。
Practice Shadowing 於 2026 年 10 月推出,是一款會等用戶完成跟讀才播放下一句的英語練習工具。練習時,説出的字詞會亮起,用戶亦可把自己的錄音與講者並排播放,查看節奏。平台提供三個程度的示範片段,可在手機和電腦的瀏覽器使用;推出期間免費。
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。
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。
MockVora 是一款為求職者設計的端到端 AI 語音模擬面試教練,能即時聆聽、調整提問,並提供對話回饋。其輕量三層架構旨在不依賴大型雲端 GPU 基礎設施,將延遲控制在 1.5 秒以下。語音分析涵蓋每分鐘字數、猶豫標記及回答精簡度。
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。
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。
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。
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。
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。
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。
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。
Apple 表示,iOS 27.3 Beta 版將於 11 月 4 日發布,正式版於 12 月推出,中國地區的 iPhone 15 Pro 及更新機型將啟用部分 Apple Intelligence 功能。
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。
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。
Apple 宣佈將於 12 月隨 iOS 27.3 在中國推出 Apple Intelligence 首批核心功能,並於 11 月 4 日開放最新 iOS 開發者 Beta 測試。
Apple 宣佈,Apple Intelligence 首批核心功能將在中國推出,當中包括延伸至 AirPods 面對面交流場景的即時翻譯。即時翻譯將於 11 月 4 日隨最新 iOS 開發者 Beta 版開放測試,並於 12 月隨 iOS 27.3 正式推出。
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。
這篇教學展示如何用 Python 建構 AI 電話智能體,並以 Google Voice Dispatch Agent 説明如何串接語音轉文字、Groq LLM、文字轉語音及通話狀態偵測。智能體確認真人接聽後才開始對話,並可辨識語音信箱、記錄通話內容及更新 CRM。
米哈遊《崩壞 3》愛莉希雅·霽月嬋娟高保真藍牙耳機禮盒今日開售,官方標價 499 元。禮盒附有系列收藏卡、馬口鐵徽章,並提供定製充電倉及耳機收納包;耳機內置愛莉希雅專屬語音,單耳續航約 8 小時,配合充電倉可達 28 小時(AAC)。
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。
這篇教學示範如何以 NewsAPI、ElevenLabs 和 Flask 建立語音新聞閲讀器,擷取指定主題的頭 5 則標題並轉成語音。Flask 會把 ElevenLabs 生成的 MP3 串流回瀏覽器,也可供手機應用程式嵌入播放。ElevenLabs 免費方案每月提供 10 k 個字元。
播客創作者可使用 Python 和 ElevenLabs API 翻譯稿件、克隆自己的聲音,並合成多語言節目音訊。ElevenLabs 支援超過 30 種語言;完成合成後,可用 ffmpeg 修剪靜音及調整音量,並匯出 MP3。
Ofrenda 是一款以本機運作為主的工具,用來保存家庭故事、紀念摯愛,並生成可離線使用的 HTML 紀念頁。它可在本機轉錄錄音,並以本機模型撰寫紀念文字及根據已儲存的故事回答問題。模型下載並完成設定後,毋須連接網絡或支付按次 API 費用。
作者以 NVIDIA Nemotron Voice Agent 打造萬聖節互動投影 MonsterHouse,讓鬼屋聆聽訪客並以暴躁老海盜船聲線回應,訪客表現有禮時態度會軟化。
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。
作者重製《Bloop: One Bullet Ricochet》的手機遊戲預告片,將遊戲畫面置於固定卡片框內、文字放在框外,並讓遊戲畫面保持原速。預告片社交媒體版長 18 秒,Google Play 版長 16.5 秒;38 字旁白從 8 個 ElevenLabs AI 語音樣本中選出。
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。
黑鯊發布鳳鳴 BE32 藍牙耳機電競版,首發價 249 元,支援 2.4G + 藍牙雙模連接,遊戲延時可壓縮至 20 毫秒。耳機配備降噪深度達 -45dB 的混合式 ANC 主動降噪,連續播放音樂的總續航最高 66 小時。
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。
黑鯊推出鳳鳴 BE32 電競版藍牙耳機,首發價 249 元。耳機支援 2.4G 和藍牙雙模,遊戲延遲低至 20 毫秒,並支援 -45dB 混合主動降噪。綜合續航達 66 小時。
微信支付智慧經營機器人正式進駐騰訊總部園區的 7-ELEVEN 門店,可完成迎賓接待、商品導購及語音點單。機器人基於騰訊混元端側小模型打造,搭配天籟inside音訊方案,設有導購收銀、店長經營及趣味互動三種模式。
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。
ElevenLabs 推出 Eleven Realtime v1 Mini 與 v1 Max 兩款語音轉語音模型,兩者均是完整語音智能體,分別面向低成本自然對話及複雜多步工作流。