跳到正文
10月31日週六
  1. DEV Community23

    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。

  2. DEV Community50

    Second Voice:以手機離線運行 Gemma 3 1B,協助準備難以啟齒的對話

    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。

  3. DEV Community48

    設計一款靠對話取勝的兩分鐘語音遊戲:我們學到的事

    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。

  4. DEV Community34

    如何為影片內容建立 AI 配音工具

    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。

  5. 新浪科技79

    Apple 宣佈 Apple Intelligence 11 月 4 日開放中國大陸測試,12 月隨 iOS 27.3 推出

    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。

  6. DEV Community34

    如何用 ElevenLabs 為 React App 加入語音功能

    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。

  7. DEV Community43

    Altar Archive:將語音錄音製成紀念卡

    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。

  8. IT之家53

    港話通(HKChat)推出 AI 音樂功能,支援粵語歌曲創作

    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。

  9. DEV Community27

    如何從零開始構建語音 AI 流程

    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。

  10. DEV Community32

    每週安全新聞綜覽:2026 年 10 月 30 日

    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。

  11. DEV Community48

    當 Azure 音素標籤與課程 IPA 不一致時

    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。

10月30日週五
  1. DEV Community37

    構建 CallAudit-X:一款沒有 API 金鑰仍可運作的 AI 通話審核 SaaS

    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。

  2. DEV Community43

    語音權利:同意條款必須改變交付的數據

    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。

  3. DEV Community43

    開發者如何減少在文字表達上花費的時間

    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。

  4. DEV Community34

    Echoes:在至親離世後保存鮮活的家族回憶

    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。

  5. 新浪科技68

    Neuralink 公佈 VOICE 早期可行性研究:一名 ALS 參與者首週達每分鐘 75 詞輸出

    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。

  6. DEV Community21

    將 AI 語音整合至 Notion 及生產力工具

    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。