跳到正文
AI 资讯
今天11月19日周四3 条
11月18日周三
  1. AIHOT61

    ElevenLabs 收购日本语音 AI 公司 Kotoba

    ElevenLabs 宣布收购日本语音 AI 公司 Kotoba,预计交易于 2026 年第四季度完成。Kotoba 的语音模型 Koto 支持日语文本转语音、语音转文本和同声传译,并已被用于 Salesforce 的 Agentforce Voice;双方计划加强日本本地销售与基础设施投入。

11月17日周二
  1. TechCrunch · AI50

    Jordan Belfort 的 AI 语音平台 Tone 推出创作者自助订阅平台

    AI 语音平台 Tone 推出面向内容创作者和作者的自助订阅服务,把书籍转成富有表现力的 AI 配音,并逐步开放声音克隆功能。创始人 Jordan Belfort 称平台已进入律所和健康保险公司的销售话术场景,延迟约 600 毫秒,采用自研的小型轻量模型而非前沿模型,语调应用已申请专利,与 ElevenLabs、Cartesia 竞争。

11月14日周六
11月13日周五
  1. TechCrunch · AI51

    ElevenLabs 发布结合会议记录、听写与智能体功能的 ElevenAI

    ElevenLabs 发布实验性应用 ElevenAI,将会议记录、语音听写和智能体集成整合为团队生产力工具。该应用仍处于预览阶段,需要申请早期访问,支持跨会议检索、实时协助、根据会议记录起草邮件,以及在支持 90 多种语言的应用中清理语音转写文本。ElevenLabs 同期推出具备实时转录和自有数据微调能力的 Scribe v3 系列语音转文本模型。

  2. AIHOT60

    MOSS-Live 全双工实时交互评测解读

    MOSS-Live 在 MOSS 官网公布的六项全双工指标中均居参评模型首位,其停顿抢话率为 1.44%,无关语音误接话率为 2.00%。与 GPT-Live-1、GPT Realtime 2.1 和豆包相比,MOSS-Live 的工具调用成功率为 51.00%、多轮任务成功率为 57.93%,但后者仍低于 GPT-Live-1 的 67.68%。

  3. TechCrunch · AI63

    Meta Muse向美国付费用户开放代打电话功能

    Meta的消费级AI智能体Muse现可代表用户致电美国企业,该功能面向所有付费订阅用户开放。订阅计划从 $20 per month 起,包含 500 million tokens per week;$100 per month 套餐包含 3 billion tokens。免费用户版 Muse 邮箱功能也将推出,但代打电话暂时仅限付费用户。

11月12日周四
11月11日周三
  1. The Decoder74

    DeepL 发布 Aure 模型,让实时语音翻译保留语气与讽刺

    DeepL 发布 Aure 模型,在实时翻译中保留原始说话者的语气、情绪、重音和语速。模型持续分析译文与原始音频,并通过强化学习减少目标语言中的口音影响,首发支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语。Aure 已自动用于 DeepL Voice 的线上会议、面对面对话和 API。

11月10日周二
  1. TechCrunch · AI58

    Otter AI 新增多语言转写并支持 31 种语言

    Otter AI 推出多语言转写功能,可在同一会议中跟随说话者切换语言并自动继续记录。完成部署后,平台将支持 31 种语言,其中 13 种已开放,另外 14 种即将推出。新增语言由 Otter 自有语音模型支持,模型使用公开数据集训练,并邀请母语志愿者审校转写准确率。

  2. Simon Willison73

    Claude Code 构建 Beep Locator 定位房间异响

    Simon Willison 使用 Claude Code 构建 Beep Locator,通过多台设备采集声音、交换提示音并基于声学定位估算房间内异响来源。系统以 Python Web 应用协调监听设备,通过 WebSockets 和 WebAudio 传输音频,用 Fast Fourier Transform 与高通滤波检测蜂鸣声,并将位置误差控制在约 40cm。

  3. TechCrunch · AI73

    Nvidia CEO 黄仁勋因争议退出 ElevenLabs Summit

    Nvidia CEO 黄仁勋退出原定本周三在纽约举行的 ElevenLabs Summit,并取消了包括 Anthropic CEO Forum 在内的其他演讲活动。此前黄仁勋承认婚外情,Nvidia 也启动了针对其与潜在中国间谍关系的调查,事件引发业界对其 CEO 职位稳定性和 Nvidia 中国业务前景的关注。

11月7日周六
  1. AIHOT71

    Cursor 推出与智能体的实时语音聊天

    Cursor 上线与智能体的实时语音聊天功能,可在智能体窗口、IDE、Web 端和 iOS 版通过语音通话直接下达改动要求、询问进展并收听进度播报。语音聊天由 Grok Voice 驱动,提供 Ara、Eve、Leo、Rex、Sal 等声音,开启隐私模式后遵循零数据保留;iOS 上可通过 Hey Siri 发起通话。

11月6日周五
  1. Hugging Face Blog37

    Hugging Face 与 Liva AI 将埃及和尼日利亚英语口音加入 Open ASR Leaderboard

    Hugging Face 与 Liva AI 合作,为 Open ASR Leaderboard 增加埃及和尼日利亚英语口音的两组私有数据,时长分别为 1.34 小时和 1.55 小时,均采用自然对话风格。排行榜将按 Kachru 三大圈细分美国与非美国口音,并区分 Inner Circle 与 Outer & Expanding Circles,以提升 ASR 评测的代表性和可信度。

  2. TechCrunch · AI65

    Meta向美国用户开放Muse AI智能体视频聊天功能

    Meta宣布,Muse Voice现已面向美国所有用户开放,用户可以通过视频或语音与Meta的消费级AI智能体Muse聊天。该功能由Muse Realtime Avatar和Muse Realtime Voice技术支持,支持定制人物、动物或其他角色形象,并可通过细微表情和手势配合对话;目前覆盖移动端、网页和Mac,后续将支持AI眼镜及Muse Charm硬件设备。

11月5日周四
  1. Hugging Face Blog74

    Gradium 发布可在端侧运行的 Phonon 语音合成模型

    Gradium 发布 Phonon 端侧文本转语音模型,可在无服务器、无网络条件下生成语音,并开放模型权重。Phonon 31m 采用 Apache 2.0 许可,支持英语;另一个 40m 版本覆盖英语、法语、德语、西班牙语和葡萄牙语。

    推荐理由:Phonon提供了离线运行、多语言支持和公开权重,榜单成绩与部署方式可供开发者评估实际采用价值。

11月4日周三