iOS 27.3 beta 帶回改版健康 App,並擴展 Siri AI 功能
Apple 發佈 iOS 27.3 首個公開 beta,重新加入改版健康 App,並讓 Siri AI 在支援 App 中執行更多操作。
Apple 發佈 iOS 27.3 首個公開 beta,重新加入改版健康 App,並讓 Siri AI 在支援 App 中執行更多操作。
BataTalk 創辦人分享如何在瀏覽器打造英語語音練習產品,以及開發初期最先遇到的問題。產品以 AI 角色和教練 Tato 引導巴西用戶在日常情境中練習口説,免費方案每日提供一次引導式對話。文章指出,訪客試用與防濫用、註冊摩擦、SEO、語音成本及內容重複都需要及早處理。
指南説明如何結合語音智能體與 Odoo,建立可接聽來電、回答診所服務問題及預約的 AI 接待員。系統由電話、語音轉文字、LLM、Odoo API 和文字轉語音等部分組成,遇上緊急情況或複雜醫療問題則轉交真人處理。指南建議把語音延遲控制在 800ms 以下,並測試至少 50 通電話。
Zyphra 發佈 ZONOS3-Mini,這是一款採用 MoE 架構、支援零樣本聲音克隆的實時 TTS 模型。
Maono 推出 PD500W 混合式咪高峯,支援 2.4 GHz 無線、USB-C 及 XLR 連接,並可選用 32-bit float 內部錄音及安全音軌備份。咪高峯配備 32 GB 儲存空間,並支援 AI 轉錄、翻譯及摘要功能。Basic Version 售價由 US$399 起,Desk Stand Bundle 售價為 US$429。
agent002 比較 ElevenLabs 與 Deepgram 的文字轉語音和語音智能體定價,指出前者按字符計費的語音生成成本差距大,但智能體每分鐘費用接近。
Daniel García 梳理語音智能體技術棧的瀏覽器端能力與限制,並建議把編排、開源模型服務及高級語音放在雲端。瀏覽器可透過 transformers.js 在 WebGPU 或 WASM 上免費執行 Silero VAD、Whisper 類 ASR 和 82M 參數的 Kokoro TTS,但 8B 級 LLM、正式部署所需後端及品牌級語音超出瀏覽器端的能力範圍。
聲音交易市場應以報價約束資產、使用權限、分配方式、政策及獲準的付款執行,而不能只展示價格。現有唯讀市場流程以經核實的 AppleSauce 報價作為顯示及交易依據,並在呼叫 Stripe 前核實報價;資產身份、條款或處理器授權不符時,不會建立結帳工作階段。報價亦應列明創作者、平台及生態系統的分配,讓創作者可查閲交易條款。
HUAWEI 暢享100系列三款機型各有側重,Pro Max配備85dB+對稱立體雙揚聲器及20級音量調節,主打大音量與長續航。Pro主打AI雙向通話降噪;暢享100則獨有關懷模式,適合預算有限的用戶。
小米耳夾式耳機在京東領券後低至 505 元,較首銷價 799 元下調。耳機單隻重 5.5g,搭載 11mm 驅動單元並採用高性能記憶鈦絲;耳機本體續航 9 小時,配合充電盒最高可達 38 小時。
HUAWEI 暢享100系列三款手機均配備小藝語音助手,暢享100 Pro及暢享100 Pro Max支援16種方言識別。暢享100 Pro Max提供85dB+正面響度及8800mAh電池;暢享100 Pro主打方言識別與雙向通話降噪,暢享100則以關懷模式降低操作門檻。
漫步者 W900NB 30 週年典藏版頭戴式藍牙耳機今晚 20:00 開售,售價 1159 元,限量 3000 套。耳機配備 8 顆麥克風,降噪深度達 -50dB,並支援杜比全景聲及 192kHz/24bit 採樣率。降噪開啟時,SBC 編碼續航可達 42 小時;關閉降噪則可達 110 小時。
作者實測 adventists-ai 的 Sophon-Realtime,因兩張 24 GB RTX 3090 未達 README 所列的一張 80 GB GPU 門檻,且磁碟只有 12 GB 可用,未能開始評估準確度。
Shizuku AI 公佈全雙工模型 Shizuku-Duplex,模型無需等待用戶完成提問便會啟動思考流程。在 6 個參測模型中,其日語對話自然性最高,回應質素僅次於 OpenAI 的 GPT-Live。模型以 80ms 為一個互動「幀」,並每 5min 壓縮一次上下文。
這套媒體工具可在瀏覽器分頁內執行轉換、修剪、降噪、字幕及人臉遮蔽,整個流程在本機處理,檔案不會離開裝置。FFmpeg 以 WebAssembly 執行,影片逐影格經 WebCodecs 處理;Whisper 等 AI 功能的模型首次下載並快取後,處理毋須網絡。
美國聯邦檢察官表示,自 2024 年 7 月起的 18 個月內,使用 AI 生成聲音冒充企業高層的詐騙電話,已令企業損失 $129M+。
日本人工智能實驗室 Shizuku AI 發佈日語全雙工 AI 模型 Shizuku-Duplex,該模型是繼 GPT-Live 後全球第二個支援日語智能對話的全雙工 AI。模型以 80 毫秒為一個互動幀,支援音訊、文字與動作三模態輸出,並每 5 分鐘壓縮一次上下文。測試中,其日語對話自然性在 6 個參測模型中排名第一,回應質素僅次於 GPT-Live。
Shizuku AI 公佈全雙工模型 Shizuku-Duplex,稱其為繼 GPT-Live 後第二個支援日語智能對話的全雙工模型,無需等待完整提問即可啟動思考。該模型在 6 個參測模型中日語對話自然性最高,回應質素僅次於 GPT-Live;模型以 80ms 為一個互動「幀」,每 5min 壓縮一次上下文。Shizuku AI 正基於這項技術開發伴侶式 AI 雫。
恩智浦推出 SAF9000 系列單晶片車載收音與音訊平台,整合 5 個內置調諧器、兩個音訊處理內核和一個嵌入式 MCU。平台支援多制式模擬與數碼無線處理,並提供 PCIe 和千兆以太網連接選項;影片講座亦會介紹產品組合、路線圖及應用案例。
作者提出一套比較語音 AI 智能體的驗收測試,包含 16 個合成通話情境、匹配測試流程、評分規則及 JavaScript 比較器;文中沒有實際測試任何供應商產品,也沒有公佈產品結果。Track A 固定測試條件,Track B 則讓各產品採用有文件説明、供正式環境使用的設定,並記錄設定時間及額外依賴。文章建議先設硬性安全門檻,再依可觀察事件評分,並在實際電話路徑檢查通話、工具動作和轉接結果。
思必馳自主研發的多方言混合識別算法通過國家網信辦深度合成服務算法備案,是思必馳第十項通過備案的算法。該算法以普通話和方言雙路並行識別,覆蓋十餘種方言,無需用戶預先選擇語種。通過備案為合作夥伴集成方言語音交互提供合規基礎。
這篇指南提出 12 項合成驗收測試,檢查面向歐盟部署的 AI 語音智能體是否在開始實質對話前,向來電者清楚告知其 AI 身份。測試涵蓋 IVR、排隊轉接、語言分流、中斷及重試,並要求以來電端音訊和事件紀錄確認告知順序。文章亦區分 AI 身份告知與錄音或轉錄通知,並附 CSV 檢查程式;這套測試不構成合規認證,也沒有提供實測通過率。
Lucataco 維護的 Xtts-V2 是一款多語言文字轉語音模型,可憑 6 秒音訊樣本複製聲線,並支援 17 種語言合成語音。清晰的參考音訊有助提升輸出質素,模型亦提供降噪選項。模型以 24 kHz 取樣率生成音訊,並採用 CPML 授權。
AI 英語測評系統整合語音評測 API、大語言模型、智能題庫及 Web、APP、小程序,支援音素級口語評分、作文批改、自適應組卷和學情報告。開發預算通常為 8萬元至50萬元+,按版本規模可分為 8萬 - 15萬元、15萬 - 35萬元及35萬 - 80萬元+。系統亦需持續支付語音評測 API、大模型 Token、伺服器及音視頻存儲等營運費用。
AI 英語教培智能體結合大語言模型、二語習得理論與低延遲語音技術,採用「感知—大腦—行動」三層架構。系統支援流式 ASR/TTS、多模態互動、情境對話、分級糾錯、評測打分及教師教學支援。開發方案涵蓋 RAG 知識庫、多智能體協作、記憶追蹤、評測及持續迭代。
小眾軟件論壇「發現頻道」列出最近10日的系統自動生成熱門排行榜,共有10款軟件,涵蓋截圖、系統管理、Markdown 編輯、照片處理及 AI 互動屏等用途。Tomoru 和 AudioScript 可將電腦播放的聲音轉成雙語字幕;AudioScript 的識別和翻譯均在本機完成,音訊和文字不會上傳。
這篇比較按已有錄音選擇對嘴 API 的路線:現有影片可評估 Magic Hour Lip Sync,靜態人像可評估 Magic Hour AI Talking Photo,多位説話者的影片則可評估 Sync Labs。各路線的輸入欄位和説話者、片段控制各有不同,應先核對所選模型支援的選項。內容比較的是文件所述輸入方式,沒有提供渲染測試或準確度分數。
文章示範如何以 ElevenLabs API、Python 和 ffmpeg 建立 YouTube 影片配音流程,從文字生成 MP3、處理音訊並與影片合併。流程亦可選擇加入聲音複製,或包裝成命令列工具。
一款未具名的 AI 影片工具把配音整合到產品影片製作流程,讓用戶可在同一處生成影片、編輯旁白並下載。示範以 Kling 4 製作 10 秒產品影片,再從 10 種語言和 6 種聲音中選擇配音;下載格式為 MP4,配音以 AAC 音軌儲存。
舊智能手錶可改作 AI 語音助手、記事裝置、睡眠追蹤器或兒童手錶,毋須因升級而閒置。部分用途需要額外應用程式或流動網絡計劃,兒童手錶功能亦須視乎型號;睡眠數據不能代替醫生診斷。
保時捷推出新一代通訊管理系統 PCM,911、Taycan、Panamera 及 Cayenne 系列將迎來車機升級,硬件算力最高提升至舊版本的五倍。新系統加入數字交互界面、AI 語音助手及 3D 地圖等功能,並支援 OTA 遠程升級。設備配置會因車型、銷售地區及生產批次而異。
保時捷宣佈為 911、Taycan、Panamera 及卡宴全系車型部署新一代 PCM 車機系統,算力達上一代的 5 倍。系統新增支援多步指令及自然語言互動的 AI 語音助手,並提供 5 種主題界面、自訂桌面組件和 3D 地圖等功能。升級將隨新產車型分批推出。
作者測試 Subvocal 靜音語音辨識與 Amblyotube 視網膜投影原型,指出介面消失後,複雜度會由用戶操作轉移至硬件排程。Subvocal 在 30 個詞的詞彙表上達到 78% 準確率,端到端延遲為 42 ms;Amblyotube 則以 1.2 W 功耗達到 60 ppd 感知解像度。文章建議先訂定可量度的延遲預算、縮小模型佔用空間,並及早進行人機測試。
保時捷推出新一代保時捷通訊管理系統(PCM),算力最高可達上一代 5 倍,並將逐步應用於新生產車型。新系統提升車機啟動、應用載入及多應用同時運行的流暢度,並加入 3D 車輛模型和支援多步驟指令的 AI 語音助手。升級亦包括導航、充電規劃、手機互聯及 OTA 軟件更新。
FluentVoice Pro 推出 1.6.7,為自動複製朗讀和線上語音請求加入限制,並改善大量貼上文字時的載入表現。自動複製朗讀上限為 10,000 個字元,Reader、系統匣及快捷鍵維持 100,000 個字元上限;線上請求共用每 10 秒 10 次的限制。處理 5 MB 貼上的時間由 2.1 s 降至 0.07 s,最大化視窗時的介面亦會維持舒適寬度。
miragea-voice-mcp 是開源 MCP 伺服器,讓 Claude Desktop、Claude Code、Cursor、VS Code 等 MCP 客戶端呼叫語音合成及語音轉文字,產生音訊檔和 SRT、VTT 字幕。伺服器以 uvx 啟動,需設定 Miragea API key,語音服務使用 Miragea 帳戶點數。它提供 8 個工具,包括預估費用、設定點數上限,以及查詢和續接任務。
TianDun(天遁)讓創作者和賣家只需提供一張清晰肖像照及一段短稿,便可製作會説話的虛擬形象影片、產品短片和 AI 直播主持人。直播功能包括自動配音、虛擬貨架、產品推介及彈幕回覆,並支援推送至 Douyin、Kuaishou、WeChat Channels、Bilibili、Xiaohongshu 和 RTMP。瀏覽服務免費,任務失敗會退還點數。
Mimikara 將日文和英文字幕檔轉成 .ass 字幕,讓英文單詞在日語對應詞語説出時逐詞淡入。它以時間配對字幕提示,使用 UniDic 分詞,並讓 LLM 配對英日詞語,再按 mora 數或強制對齊為單詞定時;透過顏色和不透明度變化,令英文仍可由左至右自然閲讀。
作者以 FreeVoiceClone 為例,記錄使用個人語音庫一個月後的整理流程,包括命名、每週清理,以及決定哪些語音可以公開。每個名稱依次標示角色或用途、語言、演繹風格和日期;建立語音前亦應確認公開設定及取得所需許可。文章建議以清晰錄音開始,並定期刪除不再使用或不合用的語音。
先鋒推出米家AI智能石墨烯電熱油汀,售價499元,已在小米有品上架。產品支援米家APP、超級小愛語音控制及24小時預約定時開關機,亦可用遙控或機身觸控操作。油汀採用2500W功率及17片專利熱浪片體,官方稱全屋升温速度提升19%,並支援15-35℃温度調節。