跳到正文
10月24日週六
  1. DEV Community54

    Aice v0.4.0 如何把本地語音助手部署到酒店、護理院及病房

    Aice v0.4.0 將本地語音助手由桌面原型擴展至酒店、護理院及病房部署,並由物業內的設備與服務處理語音及請求。更新加入以 device token 核實房間身份、按入住分隔記憶並管理同意及保留期限,亦支援職員帳戶、工單告警與離線偵測。ESP32-S3 房間裝置配合回聲消除後可支援語音打斷;CI 容量測試要求 8 個房間下 p95 回應時間低於 5 秒。

  2. IT之家24

    小米 REDMI 首款耳夾式耳機 Clip Neo 預熱:支援澎湃智聯、端側語音助手

    小米 REDMI 首款耳夾式耳機 Clip Neo 將於 10 月 27 日上市,官方已公佈部分配置。耳機採用 12mm 高性能雙磁設計,單耳重量僅 5.3g,並支援低音增強算法、動態補償、EQ 自訂調節及動態 AI 通話降噪。產品亦支援澎湃智聯多功能實體按鍵,長按可喚醒端側語音助手,並支援沉浸聊天、連續對話及智能控車控家。

  3. DEV Community38

    甚麼是即時語音 AI?WebRTC、Whisper 與 LLM 如何協同運作

    即時語音 AI 透過 WebRTC、Whisper、LLM 與文字轉語音引擎串流協作,在短暫延遲內完成聆聽、推理和回應。從來電者停止説話到回覆開始播放,系統的延遲預算約為 500 至 800 毫秒。專用硬件有助降低延遲並避免模型冷啟動,但來電量難以預測或需要全球部署時,彈性雲端擴展仍有用。

  4. 新浪科技54

    科大訊飛AI文娛論壇發布 Gununu AI 潮玩及訊飛輸入法 16.0

    科大訊飛在 2026 年全球 1024 開發者節 AI 文娛論壇上發布 AI 潮玩 Gununu 和訊飛輸入法 16.0,並分享音樂營銷及數字娛樂業務進展。Gununu 依託訊飛星火大模型,結合多模態情境互動、動態記憶和虛實共育成長系統。訊飛輸入法 16.0 推出第三代語音輸入「意圖成稿」;Spark-ASR-2.0 支援 202 種方言,識別準確率由 85% 提升至 91%。

  5. IT之家22

    捷途山海 L7 PLUS 1.5L C-DM 智駕版新增兩款車型上市,售價 14.99 萬元起

    捷途汽車為捷途山海 L7 PLUS 1.5L C-DM 智駕版新增「220KM 五座智享精英版」和「220KM 五座激光雷達豪華版」,指導價分別為 14.99 萬元和 15.99 萬元。享受超級置換政策後,兩款車售價分別為 13.99 萬元和 14.99 萬元。車系標配 32.66kWh 電池包,CLTC 純電續航 220km、綜合續航 1700km。

  6. Hacker News 熱門(buzzing.cc 中文翻譯)40

    Show HN:R2D2 for webOS 讓智能電視先「變笨」,再「變聰明」

    R2D2 for webOS 為 webOS 電視提供本地主畫面、私隱遙距瀏覽器和按鍵説話語音助理,由 Linux 主機執行 Chromium、語音模型及推理,電視則負責顯示、應用程式和遙控。參考部署已在一部電視及一個韌體版本上完成端到端運作,其他組合尚未驗證。電視端元件以 root 權限修改廠商系統服務,可能令保養失效或電視無法使用。

  7. DoNews26

    三星首款耳夾式耳機 Galaxy Buds On 將於 10 月 27 日在韓國首發

    三星首款耳夾式耳機 Galaxy Buds On 定於 10 月 27 日在韓國首發,售價 29.9 萬韓元(約 1508 元人民幣)。耳機採用弧形耳夾設計,配備 TwinBoost 雙低音單元、聲音洩漏抑制技術及三麥克風與骨傳導語音增強系統。產品支援頭部手勢控制、Quick Voice Memo 錄音和 Gemini Live 語音互動,預計 12 月上旬在歐洲上市。

  8. 新浪科技27

    長虹「熊貓懶」系列新品將於10月28日發佈

    長虹將於10月28日在中國·綿陽中華大熊貓苑發佈「長虹熊貓懶」系列新品,首發產品包括長虹電視與長虹空調。電視搭載自然柔光RGB MiniLED顯示技術,並結合熊貓交互與長虹雲帆大模型;三代空調全系標配四項AI能力,櫃機配備24GHz毫米波雷達。系列將在長虹京東自營旗艦店同步開啟預售。

  9. 新浪科技41

    NeurIPS 26:EchoChat 如何理解並表達共情

    EchoChat 將共情語音對話建模為感知、心智理論推理和語音回覆生成三個相連環節,並以統一訓練框架協同優化。模型在監督微調階段引入 Acoustic-Anchored Attention(AAA),在強化學習階段採用 Step-Decomposed Credit Assignment(SDCA),針對不同環節提供訓練回饋。

  10. DEV Community63

    語音智能體免收改期費、網頁聊天智能體卻稱收取 $25:跨渠道答案稽核方法

    一間牙科集團的語音智能體與網頁聊天智能體共用同一份定價資料,卻對改期費用、保險及服務時間等問題給出不一致答案。文章建議使用人工預先核准的跨渠道答案表,並每月以相同8條問題檢查各渠道,把費用立場、數字和能力差異列為缺陷。答案表啟用9週後,改期費用矛盾消失,保險答覆一致;是否在所有渠道載入 $99 新患者優惠,則由人工決定。

  11. DEV Community46

    為雙語音訊建立句子級對齊

    Bilingual Mix 將同一內容的兩種語言錄音,對齊為交替播放原語句子與目標語句的 MP3。流程以帶時間戳的轉錄、多語言嵌入向量及單調路徑選擇配對語句,並在生成音訊前讓用戶檢查和取消錯誤配對。用戶確認後,瀏覽器以 Web Audio 和 ffmpeg.wasm 剪輯、合併音訊,無需為渲染再次上載音訊。

  12. DEV Community49

    Otter.ai 英國定價:免費方案、Pro 和 Business 費用

    Otter.ai 的 Basic 免費方案每月提供 300 分鐘轉錄;Pro 和 Business 在網站按月收費分別為每位用戶 $16.99 和 $30,按年付款則每月分別為 $8.33 和 $19.99。英國 App Store 的 Pro 為每月 £17.49 或每年 £99.99,Business 為每月 £30 或每年 £229.99;價格核對日期為 2026 年 10 月 24 日。

  13. 新浪科技18

    新一代電氣化架構加持,2027款吉利博越上市:7.98萬元起

    2027款吉利博越上市,共推出4款配置車型,限時售價為7.98萬至9.99萬元,最大升級是搭載新一代GEEA3.0電子電氣架構。全系標配14.6英寸全面屏、Flyme Auto 2智能座艙及高德850地圖,並配備L2級駕駛輔助。新車沿用1.5T發動機與7速濕式雙離合變速箱,最大功率133kW,WLTC綜合油耗為6.44L/100km。

  14. DEV Community20

    自然流暢的 AI 語音背後的科學

    ElevenLabs 提供雲端 TTS 平台,開發者可透過 REST API 和 SDK 生成語音,並以單段音訊建立克隆聲線。文章説明自然語音的韻律、協同發音、情緒與音色,以及文字正規化、頻譜生成和波形合成等 TTS 流程。亦介紹調整音高、語速和停頓,以及以 MOS、SNR 和音高準確度評估語音品質。

  15. DEV Community25

    ElevenLabs + React:建構語音互動介面

    這篇教學示範如何在 React 介面串接 ElevenLabs,將用戶輸入的文字轉換成語音並在瀏覽器播放。內容提供一般生成及串流音訊的程式碼,並提及 ElevenLabs 每月免費額度為 10 k 個字元,超出後按用量收費。

  16. DEV Community49

    STREAM-MATE:適用於 Twitch 和 YouTube 的角色扮演 AI 聯合主持工具

    STREAM-MATE 是一款適用於 Twitch 和 YouTube 的 AI 聯合主持工具,提供即時聊天室、即時語音和螢幕上的虛擬形象,並在每則回覆播出前進行檢查。工具採用 MIT 授權,以標準程式庫為主,只讀取用戶指定的資料,不會傳送到其他地方;介面支援英文和俄文。校對規則可能誤判,適合用來找出需要改寫的內容,不適合評分作者或用於重視語氣的場合。

  17. Hacker News 熱門(buzzing.cc 中文翻譯)20

    Block 的 dessa.com 私隱聲明列明資料收集及使用方式

    Block 的私隱聲明適用於用戶使用 dessa.com 服務時收集的資料,生效日期為 October 21, 2026。Block 會收集用戶提供的個人資料,以及裝置和服務使用資料,並用於提供、改善及開發服務、與用戶溝通和保障服務;資料亦可能分享予集團公司及服務供應商。

  18. DEV Community30

    使用文字轉語音 API 時常見的 7 個錯誤

    使用文字轉語音 API 時,開發者常因輸入文字未正規化、語言或語音選擇不當、忽略請求限制,以及未處理音訊格式相容性而遇到問題。文章亦提醒留意語音複製的資料要求和使用政策、為用戶提供語音選擇,並處理數字、日期及專業術語的發音。

  19. The Verge · AI54

    Jack Dorsey 的 Block 打造 AI 模型 Dessa,對話像略顯尷尬的新朋友

    Jack Dorsey 的 Block 公佈 AI 模型 Dessa,稱其從零開始只以人類對話訓練,並採用語音到語音方式。Dessa 可在 MacBook Pro M4 Max 或更高配置的設備上本地運行,團隊將向一小羣 AI 安全研究人員提供早期使用權。The Verge 展示的對話大致自然,但有時也會顯得尷尬、怪異,例如模型一開始把説話者認成 Ronaldo。

  20. Amazon Science46

    Audible 改善有聲書語音合成

    Audible 技術團隊開發可控文字轉語音技術,為有聲書角色生成更具區別度的語音。BookLLM 在 25 本英文及西班牙文書籍中識別角色,準確率分別為 97% 和 94%。測試顯示,角色對白區分度在 MUSHRA 評分中提升 3.7 分,兩種語言的測試中有十種聲線的八種帶來顯著聆聽體驗改善。

  21. DEV Community48

    Jiasheng:保留聲音,省去轉錄繁瑣

    Jiasheng 將家庭對話錄音整理成可攜式故事頁,讓用戶閲讀逐字稿,並點選段落重聽原始錄音。它透過 Transformers.js 在瀏覽器運行量化 Whisper base,支援最長 10 分鐘、100 MB 的錄音,組成故事前須由用戶檢查逐字稿。錄音、逐字稿和相片不會上載作處理,但首次下載模型仍需網絡連線。

10月23日週五
  1. DEV Community35

    Drowzy:毋須再伸手關掉鬧鐘

    Drowzy 是一款可用語音控制的鬧鐘,用戶可要求延後響鬧或關閉鬧鐘,毋須伸手拿手機。它以 whisper.cpp 和透過 Ollama 執行的開放權重 LLM 在本機處理語音,毋須連接網絡;鬧鐘響 5 秒後錄音 4 秒,並在語意不清時繼續響鬧。作者以合成西班牙語語音測試完整流程,尚未驗證實際麥克風及 Android/Termux。