跳到正文
11月16日週一
  1. Engadget57

    Apple Notes 在 iPhone 上除記筆記外的 10 種用途

    iPhone 上的 Apple Notes 除了基本記筆記,還可計算及繪圖、掃描文件、錄音轉錄、生成圖像、協作編輯和搜尋資料,並支援 Siri 建立筆記。部分功能依賴 Apple Intelligence,所需硬件及 iOS 版本各有不同;相關功能可用於 iPhone 15 Pro、iPhone 15 Pro Max,以及任何 iPhone 16 型號或後續機型。

  2. DEV Community35

    聲音克隆如何改變內容創作

    聲音克隆以少量音訊複製特定人士的音色、語調和説話風格,讓內容創作者毋須預約錄音室,也能製作影片旁白或有聲書章節。文章示範如何透過 ElevenLabs API 上載語音樣本,並以 Python 生成語音。克隆聲音前須取得明確許可,合成音訊亦應標示。

  3. DEV Community33

    如何優化 ElevenLabs API 呼叫以提升效能

    優化 ElevenLabs API 呼叫可從選用較輕量的語音模型、以 SSML 合併短文本、串流播放長音訊,以及快取常用內容等方面入手。重用 HTTP 連線、啟用 HTTP/2 和縮減請求內容亦有助減少延遲;文章稱,部分情況下可把回應時間由數秒降至不足一秒。

  4. DEV Community31

    ElevenLabs 與 Google Cloud TTS:開發者比較

    ElevenLabs 和 Google Cloud TTS 在語音品質、API、價格、延遲及地區供應方面各有差異,文章逐項比較兩者,並提供程式碼示例。ElevenLabs 支援語音克隆、情緒預設及 WebSocket 串流;Google Cloud TTS 則提供每月 4 M 字元的 WaveNet 免費額度,並可選擇特定地區處理請求。

  5. DEV Community78

    深度求索(DeepSeek)將 App 內工具開放為 API,涵蓋搜尋、檔案及語音

    深度求索(DeepSeek)於 2026 年 11 月 13 日將消費者 App 內的工具開放為 API,可在 deepseek-flash(DeepSeek-V4.1-Flash-1017)的聊天請求中啟用,也可透過獨立 API 使用。

    推薦理由:文章分開整理聊天內置工具與獨立 API 的能力、按量價格和資料處理取捨,為評估接入方式及適用情境提供具體依據。

11月15日週日
  1. DEV Community39

    Cirrela 如何讓 AI 語音正確讀出孩子的名字

    Cirrela 分享其兒童姓名影片如何處理 TTS 發音,透過姓名欄位及按發音拼寫,讓語音讀出孩子的名字。服務涵蓋 en、fr、es、pt、pt-PT、hi、ar、id 八種語言。若姓名仍讀錯,家長可免費更改拼寫一次;系統會按編輯距離限制修改幅度,避免改成另一個名字。

  2. 新浪科技35

    從搶話到冷場,AI 離自然對話還差甚麼?

    語音 AI 的端到端回應延遲已縮短至 150 毫秒到 300 毫秒,但系統仍普遍缺乏判斷何時開口、何時停下的「接話」能力,因而會搶話或冷場。全雙工等研究路線嘗試改善接話判斷,但評測標準、可控性與長時程運行仍帶來問題。

  3. DEV Community57

    respirAI 團隊分享週末打造會説話的數碼聽診器,以及「Great!」錯誤的修復過程

    在 UniHack 2026,團隊打造 respirAI,一款引導用戶錄製肺音、由手機上的神經網絡進行初步篩查的低成本數碼聽診器;團隊説明它是篩查輔助工具,並非醫療器材。語音代理在呼叫錄音工具前説「Great!」,令程式誤以為它已説完;團隊改為只計算工具呼叫後開始的語音,並以一秒無聲判定説話完成。團隊亦在代理説話時關閉麥克風,並提供無需硬件的網頁練習模式。

  4. DEV Community48

    Outloud Reader 朗讀畫面的構建:短語高亮、可點按文字與可移動手指的長按手勢

    Outloud Reader 的朗讀畫面以短語而非逐字高亮,並把每個詞設為獨立可點按的 SwiftUI 視圖,讓用戶點選詞語跳轉音訊。日文、中文及泰文透過 Foundation 的 ICU 詞界識別處理;「只聆聽」模式則在捲動視圖上方設置長按手勢,讓用戶按住時即使手指移動,文字仍會顯示。

  5. DEV Community45

    Slyber SFU Server:用於通話、網絡研討會及 AI 機械人的 WebRTC 媒體路由器

    Slyber SFU Server 是以 Go 和 Pion WebRTC v4 開發的即時媒體路由伺服器,可轉送音訊、影片及數據,支援羣組視像會議、一對一通話、直播及 AI 智能體語音對話。伺服器以單一 4443 端口承載 UDP 和 TCP 媒體流量,並內置 /ai/ws WebSocket 閘道;單一伺服器節點最多可同時處理 5,000 個活躍房間。

  6. DEV Community28

    ElevenLabs + React:構建語音功能介面

    文章示範如何將 ElevenLabs 接入 React 前端,建立文字轉語音介面,並涵蓋語音複製及結合 OpenAI GPT‑4 或其他 LLM 生成語音回應。範例使用 Vite 和 TypeScript,讓用戶輸入文字後合成並播放音訊。作者提醒,正式環境應透過後端代理處理 API 呼叫,語音複製資料亦須妥善保護。

  7. DEV Community34

    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,常見錯誤包括忽略聲線與風格設定、超出請求配額、未妥善編碼文字、選錯音訊格式,以及沒有使用 SSML。文章以 ElevenLabs 為例,説明如何保護 API 金鑰、監察延遲與錯誤,並透過快取、背景佇列和明確指定格式等做法提升整合的可靠性。

  8. DEV Community25

    ElevenLabs 與 Murf.ai(2026)比較:生成式語音 AI 突破與錄音室旁白製作

    ElevenLabs 與 Murf.ai 面向不同語音製作需求:前者以生成式語音合成及即時 API 為主,後者則以時間軸編輯器支援工作室式旁白製作。文章指出,ElevenLabs 的 WebSocket 串流延遲低於 300ms,克隆語音可用於超過 29 種語言。Murf.ai 提供多軌時間軸編輯及商用授權語音,適合企業影片配音、在地化教學內容和簡報製作。

  9. DEV Community46

    內容創作者如何用 ElevenLabs 擴大影片製作規模

    內容創作者可用 ElevenLabs 的 TTS API 和語音複製自動化旁白製作,再將音訊合併至影片,以擴大影片製作規模。文章提供以 Python 和 ffmpeg 串接流程的方法,指出每段影片的製作時間可由傳統流程常見的 2–4 小時縮短至 30–90 分鐘。ElevenLabs 每次請求最多支援 10 k 個字元,亦可透過快取、批次請求及平行處理擴展流程。

  10. DEV Community67

    語音 AI 智能體如何為高風險操作設計確認流程

    作者提出語音 AI 智能體處理高風險操作的確認設計,建議按工具風險分級,並讓破壞性操作必須通過程式確認閘。音訊清理可減少背景語音幹擾,但不應單靠它保障破壞性操作;確認時可要求來電者覆述指定數字或按電話鍵盤。程式閘應在伺服器端核對待處理操作、有效時間、回答開始時間、STT 信心度及説話者資訊,並以第二個聲音插入 yes 的測試檢查破壞性工具是否執行。

  11. DEV Community62

    如何在瀏覽器中用 Whisper 將音訊轉成 SRT 字幕,無須上傳或伺服器

    這篇教學示範如何用 Transformers.js 在瀏覽器內執行 Whisper,將音訊轉成 SRT/VTT 字幕;音訊不會離開訪客電腦,無須伺服器或 API key。實作以 Web Worker 執行辨識,優先使用 WebGPU、回退至 WASM,並以 90 秒區塊處理長音訊。作者提醒須指定語言,模型首次下載需時;瀏覽器方案亦受訪客硬件限制,不適合批次工作或後端流程。

11月14日週六
  1. DEV Community49

    影片翻譯:三種重要輸出

    影片翻譯應以同一份轉錄稿產生字幕、配音音訊和加字幕影片,避免不同流程造成內容不一致。文章建議只執行一次 ASR 和翻譯,再輸出 SRT、MP3 配音及 MP4 加字幕影片。LinguaReel 支援 12+ 種語言,免費試用涵蓋 60 秒及 100 MB,無需帳戶。

  2. 阿里雲開發者社區 AI78

    DeepSeek 開放全套應用 API,涵蓋搜尋、文件、OCR 與語音功能

    DeepSeek 開放全套應用 API,新增對話內置聯網工具、文件輸入、OCR、語音及安全審核,並可接入搜尋和閲讀連結能力。作者實測中,搜尋及網頁抓取各收費 5 元/1,000 次;與 Firecrawl 比較,DeepSeek 搜尋速度約快 10 倍,但網頁抓取不支援 JS 渲染。

    推薦理由:作者實測 DeepSeek 的搜尋、文件與語音 API,並以 Firecrawl 比較搜尋和抓取,呈現整合成本與功能限制,方便按使用場景作取捨。

  3. 新浪科技48

    微信公眾號留言語音功能大面積覆蓋

    微信在公眾號文章留言區新增語音功能,用戶可按住説話,將語音轉成文字或直接發送原語音。該功能此前在 iOS 灰度測試,目前應該已大面積覆蓋,安卓版微信也支持;語音留言可供其他讀者收聽,也可以轉成文字。

  4. DEV Community35

    2026 年語音 AI 開發入門

    文章整理語音 AI 應用的核心組件與開發流程,涵蓋語音轉文字、文字轉語音、語音複製、後端邏輯及語音介面。示例以 Whisper 和 Google Cloud Speech-to-Text 辨識語音,再用 ElevenLabs 合成語音,並示範錄製 5 秒音訊的迷你語音助理。ElevenLabs 可用 30 秒錄音建立新聲音。

  5. DEV Community35

    讓 AI 語音輸出聽起來自然的 10 個技巧

    這份指南整理 10 項讓 AI 語音輸出更自然的技巧,涵蓋選擇語音模型、整理文字標點、使用 SSML、調整語速和音高,以及加入停頓和輕微音效。指南亦建議在不同裝置測試、留意串流延遲,並根據用戶回饋調整;文中附有 ElevenLabs API 的 Python 範例。

  6. DEV Community56

    VoiceDash 保留通話紀錄,智能體設定多數仍由供應商掌握

    VoiceDash 作者審查自家語音智能體入口的可攜性,發現通話紀錄及正規化文字稿可保留,但智能體大部分設定與工具仍由供應商掌握。審查發現同步路由未檢查供應商錯誤回應,可能令本地提示詞與線上配置不一致;目前只有 Retell webhook 會觸發通話分析。作者建議保存工具定義、正規化結束原因並把錄音複製至自有儲存空間,以減少遷移時對原供應商的依賴。

  7. DEV Community40

    新聞機構如何運用 AI 語音報道突發新聞

    新聞機構運用 AI 語音,將突發新聞文字更新轉成音訊,並可自動發佈至文章、Podcast 或流動應用程式,縮短音訊製作時間。文章介紹神經 TTS、聲音複製及即時串流 API,並以 ElevenLabs API 示範生成新聞音訊。新聞室應披露音訊由 AI 生成、保護複製聲音資料,並在合成前核實內容。