跳到正文
10月28日週三
  1. DEV Community34

    Hop tu Naa Simulator:以 Gemma 打造曼島「不給糖就搗蛋」遊戲

    Hop tu Naa Simulator 是一款以曼島為背景的 2D「不給糖就搗蛋」遊戲,使用 Ollama 本機運行的 Gemma 即時創作居民角色、對白和笑話。玩家可在 21 間房屋前選擇説「不給糖就搗蛋」、唱 Hop tu Naa 歌曲或講笑話;ElevenLabs 語音功能則為居民和玩家提供語音。Gemma 負責創作,遊戲規則由程式碼控制;即使沒有 ElevenLabs,遊戲仍可運作。

  2. DEV Community37

    初創公司如何利用 Voice AI 加快產品開發

    初創團隊可利用 Voice AI 將文字轉成自然語音,並複製品牌聲線,以加快用戶測試和產品迭代。ElevenLabs 提供低於一秒的語音生成回應及語音複製 API,平台建議上載合共 5‑10 分鐘的音訊樣本。文章亦示範如何在 CI/CD 流程自動生成語音素材、快取生成結果,以及配合 STT 建立對話流程。

  3. DEV Community35

    Bayān:以開源 AI 和本地阿拉伯語修辭練習走出屏幕、觀察周遭

    Bayān 是一款以本地運行為先的阿拉伯語修辭練習工具,讓用戶選擇明喻、隱喻或感官描寫練習,短暫外出觀察環境,再把觀察寫成更有力的阿拉伯語句子。它以 Ollama 搭配 Gemma 3 4B 生成練習任務、翻譯及聊天,並支援離線或低網絡連接的戶外使用。工具亦可選用本地 Piper 語音合成及 Whisper 語音轉錄。

  4. DEV Community41

    我為甚麼創立 Sauti Labs

    Sauti Labs 源於創辦人為 Scribe AI 尋找合適語音模型時,發現 Whisper 難以應付所需的非洲語言和口音,因而希望以公司填補研究與可用產品之間的落差。

  5. DEV Community39

    Scribe AI 如何用 AI 偵測經文,而不讓 AI 作最終決定

    Scribe AI 以 Faster-Whisper small 模型在本機離線辨識教會聚會中的語音,再用規則偵測經文引用,並由操作員核准後才顯示經文。系統會檢查引用是否符合聖經各卷的章數,亦會保留上一段逐字稿末尾的 60 個字元,以免跨越音訊分段時漏掉引用。語音辨識、偵測、查經文及顯示均在本機執行;聚會狀態機與歌詞偵測器尚未接入即時麥克風流程。

  6. DEV Community33

    網絡應用程式中語音介面的未來

    語音正成為網絡應用程式的重要互動方式,文章以 ElevenLabs 示範透過 API 生成語音及克隆聲音。ElevenLabs 可用 5–30 秒清晰錄音建立可重用的聲音,再用於文字轉語音。文章亦建議分段串流、預取及快取,提供文字替代方案,並妥善處理語音資料的私隱。

  7. DEV Community38

    EchoVault:以開放權重 AI 保存語音記憶

    EchoVault 把語音錄音轉錄並整理成可搜尋的記憶,協助保存和重訪真實故事,而非模擬逝者對話。它使用 faster-whisper 轉錄,並支援透過 Ollama 在本機運行 Gemma,或經 OpenRouter 使用可配置模型;用戶可檢視、修改、搜尋及匯出記憶。選用本機推理時,錄音和摘要可在用戶裝置上處理;選用 OpenRouter 時,轉錄文字會傳送至遠端推理服務。

10月27日週二
  1. SiliconANGLE43

    Regal 推出 Goal Oriented Agents,為每通電話配置 actor 和 director 模型

    Regal 為其平台加入 Goal Oriented Agents,讓 actor 和 director 兩個 AI 模型在每通電話中分工處理對話和目標。企業可用目標節點設定待完成事項及前置條件;director 每輪檢視進度,並可切換至新階段、為 actor 提供新指示。Regal 指複雜的資料收集和資格評估電話是這套智能體的主要用途。

  2. DEV Community19

    Eli 全球化與後端加固:48 小時開發紀錄

    Eli 新增巴西、葡萄牙及拉丁美洲西班牙語地區的緊急求助熱線,並為 TTS 加入德語和波蘭語語音模型。後端新增每小時執行的網站健康檢查,並將支出上限和工作階段延遲記錄到資料庫,另設交易記錄及 PDF 收據生成。開發者亦調整 API 限流,以減少流量高峯時出現 429 錯誤。

  3. IT之家25

    2027 款零跑 B10/B01 車型 OTA 更新:支援華為 HiCar4.0 手機互聯、騰訊雲遊戲等

    零跑為 2027 款 B10/B01 車型推送 OTA 更新,新增 8 項功能並深度優化 10 項體驗;B01 和 B10 的版本號分別為 4.2762.020 和 4.2700.020。新增功能包括華為 HiCar4.0 手機互聯、汽水音樂、騰訊雲遊戲、語音實時改口、聲紋守護及車輛長期離線提醒。更新亦加入多車主帳號切換及多項用車設定聯動記憶。

  4. 新浪科技36

    「什麼值得買」興趣消費服務接入 Rokid AI 眼鏡,開啟「看見即搜尋」體驗

    「什麼值得買」將興趣消費服務拓展至新一代 Rokid AI 眼鏡,透過消費智能體「張大媽」識別眼前商品並提供消費資訊。用戶可查閲商品名稱、價格參考、真實用戶口碑及推薦購買指數,並在「什麼值得買」App 查看詳情、評價和購買渠道;服務依託10億級商品庫及200億級內容庫。

  5. DEV Community29

    2025 年 AI 會議轉錄:哪些方法真正有效

    評估 AI 會議轉錄工具的成效,關鍵在於轉錄準確度、説話者分離能力及即時處理能力。文章比較 Google Speech-to-Text、Microsoft Azure Speech 和 OpenAI Whisper 等方案,並提及 NVIDIA NeMo 可用於微調模型,pyannote-audio 可用於説話者分離。重疊説話、相似音色及低音質仍會帶來挑戰,即時轉錄則依靠串流模型和 API。

  6. 新浪科技35

    小米 REDMI 首款耳夾耳機 Clip Neo 官宣與 CryingCenter 哭喊中心聯名,將推出限定禮盒套裝

    REDMI 宣佈與服裝品牌 CryingCenter 哭喊中心聯名推出 Clip Neo 限定禮盒套裝,並同步開放預約。禮盒包括零度黑耳機、專屬貼紙及潮流耳機包。小米 REDMI 首款耳夾耳機 Clip Neo 將於今晚上市,單耳重量為 5.3g,並支援低音增強算法、EQ 自訂調節及動態 AI 通話降噪。

  7. 新浪科技33

    聽即見,譯則達|訊飛AI翻譯亮相1024全球開發者節

    訊飛AI翻譯亮相2026科大訊飛全球1024開發者節,展示涵蓋眼鏡、耳機、翻譯機及會議系統的產品矩陣。訊飛AI眼鏡支援122種語言翻譯,訊飛聽見多語言會議系統支援20多種語言翻譯。訊飛同傳已服務全球50多個國家和地區,累計支援超42萬場會議,覆蓋觀眾超4億人次。

  8. 阿里雲開發者社區 AI32

    阿里雲「智能聯絡中心」產品介紹:AI 語音機械人、智能客服、呼入與主動聯絡場景

    阿里雲智能聯絡中心(AICCS)結合語音通訊與大語言模型能力,支援呼入和呼出,提供 AI 語音交互、流程編排、通話分析及後續處理等功能。企業可接入自有大模型,或使用平台工具構建 AI 語音機械人,應用於通知、回訪、線索確認等場景。

  9. DEV Community33

    AI 語音介面的最佳實踐

    文章提出設計 AI 語音介面的實用指引,涵蓋以用戶為本的設計、TTS 引擎選擇、語音複製、無障礙支援、本地化、效能、安全及測試。文中以 ElevenLabs 示範整合方式,並指出語音複製須兼顧用戶同意、資料最少化、偏差及安全。

  10. DEV Community34

    聲音複製技術:能力與同意之間的差距

    聲音複製技術的門檻已大幅降低,現時只需數秒參考音訊和瀏覽器即可生成模仿特定人士的合成語音,但相關法律與倫理規範仍未追上。未經同意複製可被辨認的聲音可能侵犯當事人權利;負責任的做法包括取得列明用途範圍和期限的同意,並為合成音訊加上水印或中繼資料標記。

  11. 阿里雲開發者社區 AI24

    AI 英語線上考試系統的開發

    這套 AI 英語線上考試系統結合高並發流媒體處理、大語言模型評測及 AI 多模態防作弊監考,涵蓋聽説讀寫測評與考試管理。系統支援自適應測試、音素級口語評分、語義級寫作批改,以及實時行為監控和可疑作弊標記。搭建方案包括微服務、對象儲存和 CDN,並整合 DeepSeek、Qwen、GPT-4o 等模型進行主觀題評分。

  12. 阿里雲開發者社區 AI23

    AI 英語培訓軟件的開發

    AI 英語培訓軟件的開發結合大語言模型、語音技術與二語習得理論,涵蓋口語對話、寫作批改、自適應閲讀及學習畫像四大模組。系統採用多智能體架構與 RAG 知識增強,並以語音評估、個人化內容生成及學習記錄支援教學。

  13. Vapi 產品與 Agent 方法37

    認識 Vapi 新任工程高級副總裁 Jeff Liu

    Vapi 聘任 Jeff Liu 出任工程副總裁,負責平台及基礎設施工程;他此前曾任 Turing 工程副總裁,並在 LinkedIn、Google、Twitter 和 Splunk 任職。他認為語音 AI 將帶動下一波 AI 普及,並把 Vapi 定位為供企業構建業務的平台,而非單一應用。上任後,他的首要工作是提升平台的可靠性和可擴展性。