After Midnight:將真實事件化為 AI 旁白恐怖故事
After Midnight 是一個正在開發的恐怖故事網站,計劃以網上搜集的真實事件為靈感,生成虛構故事並加入旁白。構想中的流程包括來源查找與核實、故事生成及語音朗讀;Gemma、ElevenLabs 和 SerpApi 的選用仍待確認。下一步是完成包含來源、虛構故事及可播放旁白的端到端示範。
After Midnight 是一個正在開發的恐怖故事網站,計劃以網上搜集的真實事件為靈感,生成虛構故事並加入旁白。構想中的流程包括來源查找與核實、故事生成及語音朗讀;Gemma、ElevenLabs 和 SerpApi 的選用仍待確認。下一步是完成包含來源、虛構故事及可播放旁白的端到端示範。
Second Voice 以手機本機運行的 Gemma 3 1B Instruct,協助用戶準備難以啟齒的對話並練習表達。用戶可用語音或文字描述情境,取得核心表述、對方可能的顧慮、安全開場句,以及 Calm、Direct、Firm 三種可編輯草稿,並錄音練習。完成一次模型下載後,轉錄、生成及儲存均在裝置上進行,無需帳戶或網絡;作者在 vivo V2225 飛行模式下測得完整排練約需 48 秒。
DessaGuide 設計了語音遊戲 The Dragon's Day Off,玩家要在兩分鐘內説服 Ember 烤一片麵包;遊戲使用 OpenAI Realtime API,而非未公開提供的 Dessa。倒數從 Ember 説完開場白後開始,玩家須處理角色的兩項顧慮,明確取得同意才算勝出。每 24 小時最多玩三輪;音訊直接由瀏覽器串流至 OpenAI Realtime API,不經網站伺服器。
這篇教學示範如何建立影片 AI 配音工具,以 STT 擷取對白、機器翻譯轉換文字,再用 ElevenLabs 的 TTS 和語音克隆生成配音。工具可把新音軌與原影片合併;文章亦説明調整語音設定、處理音畫同步及長文本限制的方法。
Apple 宣佈,Apple Intelligence 將於 11 月 4 日起透過 iOS 開發者 Beta 版在中國大陸開放測試,並計劃於 12 月隨 iOS 27.3 正式版推出。
推薦理由:材料列出國行版的測試及推出時間、首批設備範圍,以及千問接入的功能位置,可用來掌握這次落地的主要安排與限制。
ElevenLabs 教學示範如何在 React App 中加入文字轉語音,透過 REST API 合成語音,並以自訂 React hook 管理載入狀態、錯誤和音訊播放。文章亦説明如何上載至少 30 秒的音訊樣本建立自訂語音,並介紹快取及串流等效能做法。
Apple 表示,iOS 27.3 Beta 版將於 11 月 4 日發布,正式版於 12 月推出,中國地區的 iPhone 15 Pro 及更新機型將啟用部分 Apple Intelligence 功能。
Altar Archive 是一款只在本機運行、僅使用 CPU 的工具,可將語音錄音轉成可列印的紀念卡。工具以 faster-whisper 轉錄錄音,讓用戶選擇要保留的句子,再由 TabPFN 挑出另外五句,並連同時間戳記生成單一 HTML 檔案;音訊不會離開用戶的裝置。
香港生成式人工智能研發中心(HKGAI)研發的港話通(HKChat)於 10 月 30 日更新,推出接入 YuE2 音樂大模型的 AI 音樂生成功能。用戶可哼唱或上載圖片,再輸入歌曲構思,生成具專業編曲及人聲演唱的原創歌曲;功能以粵語流行曲為特色,現階段在港話通 App 向所有用戶免費開放體驗。
Apple 宣佈將於 12 月隨 iOS 27.3 在中國推出 Apple Intelligence 首批核心功能,並於 11 月 4 日開放最新 iOS 開發者 Beta 測試。
Apple 宣佈,Apple Intelligence 首批核心功能將在中國推出,當中包括延伸至 AirPods 面對面交流場景的即時翻譯。即時翻譯將於 11 月 4 日隨最新 iOS 開發者 Beta 版開放測試,並於 12 月隨 iOS 27.3 正式推出。
這份教學示範如何從零構建語音 AI 流程:以 ASR 將音訊轉錄成文字,再用 ElevenLabs 的 TTS 生成語音,並示範語音複製。內容涵蓋 Python、JavaScript 和 curl;錄音可採用 16 kHz 或 24 kHz、單聲道、16-bit PCM 格式。
這篇教學展示如何用 Python 建構 AI 電話智能體,並以 Google Voice Dispatch Agent 説明如何串接語音轉文字、Groq LLM、文字轉語音及通話狀態偵測。智能體確認真人接聽後才開始對話,並可辨識語音信箱、記錄通話內容及更新 CRM。
米哈遊《崩壞 3》愛莉希雅·霽月嬋娟高保真藍牙耳機禮盒今日開售,官方標價 499 元。禮盒附有系列收藏卡、馬口鐵徽章,並提供定製充電倉及耳機收納包;耳機內置愛莉希雅專屬語音,單耳續航約 8 小時,配合充電倉可達 28 小時(AAC)。
本週安全新聞綜覽涵蓋 AI 仿聲詐騙、Amatera 資訊竊取程式,以及企業是否應為 AI 發動的網絡攻擊承擔刑事責任等議題。一名受害者因 AI 仿造女兒聲音的電話詐騙損失 $5,400;Telegram Android 漏洞可在用戶接聽語音通話時讓攻擊者執行程式碼,已於 12.10.4 或更新版本修復。Amatera 會竊取登入憑證、工作階段 cookies、token 等資料。
這篇教學示範如何以 NewsAPI、ElevenLabs 和 Flask 建立語音新聞閲讀器,擷取指定主題的頭 5 則標題並轉成語音。Flask 會把 ElevenLabs 生成的 MP3 串流回瀏覽器,也可供手機應用程式嵌入播放。ElevenLabs 免費方案每月提供 10 k 個字元。
播客創作者可使用 Python 和 ElevenLabs API 翻譯稿件、克隆自己的聲音,並合成多語言節目音訊。ElevenLabs 支援超過 30 種語言;完成合成後,可用 ffmpeg 修剪靜音及調整音量,並匯出 MP3。
Ofrenda 是一款以本機運作為主的工具,用來保存家庭故事、紀念摯愛,並生成可離線使用的 HTML 紀念頁。它可在本機轉錄錄音,並以本機模型撰寫紀念文字及根據已儲存的故事回答問題。模型下載並完成設定後,毋須連接網絡或支付按次 API 費用。
作者以 NVIDIA Nemotron Voice Agent 打造萬聖節互動投影 MonsterHouse,讓鬼屋聆聽訪客並以暴躁老海盜船聲線回應,訪客表現有禮時態度會軟化。
一款英語口説練習 app 調整了 Azure Pronunciation Assessment 的音素顯示方式:抽屜只以詞庫中的 iscommon American IPA 作為目標音,不再把 Azure 的 SAPI 標籤當成課程要求。兩者音素一致時顯示 Azure 評分;不一致時保留課程 IPA、隱藏評分,並提示錄音與目標音不符。
作者重製《Bloop: One Bullet Ricochet》的手機遊戲預告片,將遊戲畫面置於固定卡片框內、文字放在框外,並讓遊戲畫面保持原速。預告片社交媒體版長 18 秒,Google Play 版長 16.5 秒;38 字旁白從 8 個 ElevenLabs AI 語音樣本中選出。
CallAudit-X 是一款沒有 API 金鑰仍可透過模擬 AI 完成流程的通話審核 SaaS。設定 OpenAI 後,系統會在用戶明確要求時使用 gpt-4o-transcribe 和 gpt-4.1-mini 轉錄及審核通話;若未設定或呼叫失敗,則改用模擬資料。審核人員可確認或修正結果,語音信箱及無人接聽等非對話通話則不作一般評分。
黑鯊發布鳳鳴 BE32 藍牙耳機電競版,首發價 249 元,支援 2.4G + 藍牙雙模連接,遊戲延時可壓縮至 20 毫秒。耳機配備降噪深度達 -45dB 的混合式 ANC 主動降噪,連續播放音樂的總續航最高 66 小時。
Uspeaks 正把語音數據的 Analysis、Foundational 和 Transformative 用途分成不同交付流程,讓同意範圍決定買家實際收到的數據。Analysis 和 Foundational 版本只提供衍生資料,不下載原始音訊;Transformative 版本則採用獨立流程,加入浮水印並記錄處理證據。每種版本亦有各自的儲存路徑、元數據、產品身份、授權和版税紀錄。
黑鯊推出鳳鳴 BE32 電競版藍牙耳機,首發價 249 元。耳機支援 2.4G 和藍牙雙模,遊戲延遲低至 20 毫秒,並支援 -45dB 混合主動降噪。綜合續航達 66 小時。
微信支付智慧經營機器人正式進駐騰訊總部園區的 7-ELEVEN 門店,可完成迎賓接待、商品導購及語音點單。機器人基於騰訊混元端側小模型打造,搭配天籟inside音訊方案,設有導購收銀、店長經營及趣味互動三種模式。
軟件開發者可先記下想表達的內容,再整理成文字,減少撰寫技術説明時同時思考、組織和溝通的負擔。文章建議錯誤報告交代問題、發生位置、預期與實際結果、重現步驟及未確定之處;pull request 則説明改動原因、內容和實際測試。功能開發期間記錄設定、依賴和限制,有助避免日後遺忘細節。
ElevenLabs 推出 Eleven Realtime v1 Mini 與 v1 Max 兩款語音轉語音模型,兩者均是完整語音智能體,分別面向低成本自然對話及複雜多步工作流。
Echoes 是為 DEV Hacktoberfest「Ghost in the Machine」挑戰打造的開源家族記憶檔案庫,將錄音、上載的音訊檔案及文字故事轉化為珍藏回憶。它使用 Groq LPU API(Open-Weight Qwen 27B)擷取故事中的智慧,並透過 ElevenLabs Text-to-Speech API 生成語音敍述;作者稱智慧擷取約需半秒。
Anthropic 升級 Claude 多端應用,iPhone 版語音模式現已支援 Apple CarPlay,用戶可在駕駛途中向 Claude 提問。Claude 在網頁、桌面、iOS 和 Android 端新增 24 種語言,累計支援 33 種語言。
Neuralink 公佈 VOICE 語音恢復項目的早期可行性研究,報告一名 ALS 參與者使用首週達每分鐘 75 詞輸出,並將大腦訊號轉為文字和語音。在 12.5 萬詞詞庫下,詞錯誤率(WER)為 5.8%。研究計劃招募約 6 名因 ALS、脊髓損傷或中風失去溝通能力的參與者;目前數據來自單一參與者,尚未有經同行評審的完整論文。
這篇教學示範如何在 $15 的 Raspberry Pi Zero 2 W 上以 KWS 辨識 14 個固定語音指令,無需雲端或完整 ASR。作者提供基本偵測程式,以及透過 GPIO LED 和 HTTP webhook 控制設備的整合範例;模型檔案為 1.3 MB,推理每個區塊約 10 ms,CPU 使用率為單個 A53 核心的 32.2%。
文章示範以 Notion API 取得頁面內容,透過 ElevenLabs TTS 生成語音,再將音訊嵌回 Notion。流程亦可用克隆聲音製作頁面摘要;文中稱 10 頁研究筆記可轉成 2 分鐘音訊簡報,並提醒加密儲存語音樣本及生成音訊。
作者為 Hacktoberfest 開源 AI 挑戰賽打造一款網頁版 AI 虛擬助理,結合語音互動與 AI 回應,讓用戶以語音下達指示。它以 Web Speech API 處理語音識別及語音合成,透過 Gemini API 生成對話回應,並支援搜尋、YouTube 搜尋、Google Maps 整合、天氣查詢及數學計算。
VaxVoIP SIP Voice Agent AI SDK 是一套 Windows 開發工具包,可將 SIP 電話通話接駁至 OpenAI Realtime,協助開發者建立多語言 AI 語音智能體。SDK 會把來電者的即時語音傳送至 OpenAI Realtime,並將生成的語音回覆傳回來電者,支援雙向語音對話。
作者打造 Happy Birthday Song With Name,用戶輸入名字並選擇音樂風格,幾秒內即可生成包含該名字歌詞的生日歌。歌曲的旋律、人聲和歌詞均由系統合成,不取樣現有錄音;無需帳戶即可免費收聽完整歌曲並分享連結。下載為選用付費功能。
Edge0 發佈開放權重文字轉語音模型 Audio8-TTS-Realistic,模型有 0.6B 參數,支援零樣本語音複製及 23 種語言。它可用 1 段參考音訊及對應逐字稿複製聲音,權重和程式碼採 Apache 2.0 授權。
Ollama v0.40.13 為 Linux 和 Windows 加入 Liquid AI LFM3 系列支援,包括可處理語音辨識、翻譯和文字轉語音的 lfm3-audio 及 lfm3-omni。
Hugging Face 宣佈推出 AnySpeechRecognizer 和 AnyDecisionModel 兩款 Swift 套件,分別讓語音辨識切換不同引擎,並以模型概率輸出決策結果。
iOS 版微信輸入法推出 4.0.0 正式版,新增「AI 錄音筆」,並全面適配 iPhone Duo 摺疊屏。用戶可從功能中心開啟錄音,或將功能加入輸入法頂部的自訂工具列;錄音會即時轉寫並生成 AI 摘要,離開頁面或螢幕關閉後仍可繼續錄音。