平安口袋銀行 App 宣佈全面適配 Apple iPhone Duo,支援「待機顯示」模式及內外屏適配
平安銀行宣佈,平安口袋銀行 App 將全面適配 Apple iPhone Duo,支援內外屏切換及「待機顯示(Stand By)」模式。新版 App 設有獨立小組件,可在待機顯示時展示基金資訊,並可透過 AI 語音助理對話。
平安銀行宣佈,平安口袋銀行 App 將全面適配 Apple iPhone Duo,支援內外屏切換及「待機顯示(Stand By)」模式。新版 App 設有獨立小組件,可在待機顯示時展示基金資訊,並可透過 AI 語音助理對話。
三星首款耳夾式耳機 Galaxy Buds On 動圖曝光,展示耳機及充電盒造型,產品計劃於 10 月 27 日在韓國上市。耳機配備 TwinBoost 揚聲器系統、聲音泄漏抑制技術及三個麥克風,並支援頭部手勢操作。三星公佈的韓國售價為 29.9 萬韓元。
Souvik Biswas 開發 Sloth Reads,以開放模型隔夜處理用戶儲存的文章,產生摘要、三項重點及值得閲讀、略讀或跳過的判斷,並於早上 6 時整理成簡報。
長虹將於10月28日在中國·綿陽中華大熊貓苑發佈「長虹熊貓懶」系列新品,首發產品包括長虹電視與長虹空調。電視搭載自然柔光RGB MiniLED顯示技術,並結合熊貓交互與長虹雲帆大模型;三代空調全系標配四項AI能力,櫃機配備24GHz毫米波雷達。系列將在長虹京東自營旗艦店同步開啟預售。
Claude-Red 將技能檔案整理成可交付成果,並提供書面撰寫規格。專案收錄 78 份 SKILL.md,分佈於 23 個類別;規格要求描述列明技能涵蓋的範疇及適用時機,但規格本身不代表技能具備專業能力或能正確觸發。
這篇教學示範如何結合 OpenAI GPT-4o mini 與 ElevenLabs,建構可生成對話並轉換成語音的聊天機械人。範例使用 FastAPI 串接 GPT-4o mini 和 ElevenLabs TTS,並以串流方式將音訊傳回用戶。教學亦涵蓋聲音複製、即時音訊串流及部署建議。
EchoChat 將共情語音對話建模為感知、心智理論推理和語音回覆生成三個相連環節,並以統一訓練框架協同優化。模型在監督微調階段引入 Acoustic-Anchored Attention(AAA),在強化學習階段採用 Step-Decomposed Credit Assignment(SDCA),針對不同環節提供訓練回饋。
一間牙科集團的語音智能體與網頁聊天智能體共用同一份定價資料,卻對改期費用、保險及服務時間等問題給出不一致答案。文章建議使用人工預先核准的跨渠道答案表,並每月以相同8條問題檢查各渠道,把費用立場、數字和能力差異列為缺陷。答案表啟用9週後,改期費用矛盾消失,保險答覆一致;是否在所有渠道載入 $99 新患者優惠,則由人工決定。
Bilingual Mix 將同一內容的兩種語言錄音,對齊為交替播放原語句子與目標語句的 MP3。流程以帶時間戳的轉錄、多語言嵌入向量及單調路徑選擇配對語句,並在生成音訊前讓用戶檢查和取消錯誤配對。用戶確認後,瀏覽器以 Web Audio 和 ffmpeg.wasm 剪輯、合併音訊,無需為渲染再次上載音訊。
My Azeroth Life 以 World of Warcraft 的 StoryTracker 插件記錄遊戲事件,再由 AI 將角色經歷寫成網誌文章並製作成 Podcast 分集。
作者在 Cloudflare Workers 上搭建多説話人 TTS 網頁應用,讓用戶貼上劇本後下載由多種聲線合成的單一 MP3。應用使用 Fish Audio 的 Drama 3,以單行角色格式解析劇本,將沒有角色名稱的文字預設交由旁白,並移除用戶輸入中類似控制標籤的內容。
Otter.ai 的 Basic 免費方案每月提供 300 分鐘轉錄;Pro 和 Business 在網站按月收費分別為每位用戶 $16.99 和 $30,按年付款則每月分別為 $8.33 和 $19.99。英國 App Store 的 Pro 為每月 £17.49 或每年 £99.99,Business 為每月 £30 或每年 £229.99;價格核對日期為 2026 年 10 月 24 日。
2027款吉利博越上市,共推出4款配置車型,限時售價為7.98萬至9.99萬元,最大升級是搭載新一代GEEA3.0電子電氣架構。全系標配14.6英寸全面屏、Flyme Auto 2智能座艙及高德850地圖,並配備L2級駕駛輔助。新車沿用1.5T發動機與7速濕式雙離合變速箱,最大功率133kW,WLTC綜合油耗為6.44L/100km。
ElevenLabs 提供雲端 TTS 平台,開發者可透過 REST API 和 SDK 生成語音,並以單段音訊建立克隆聲線。文章説明自然語音的韻律、協同發音、情緒與音色,以及文字正規化、頻譜生成和波形合成等 TTS 流程。亦介紹調整音高、語速和停頓,以及以 MOS、SNR 和音高準確度評估語音品質。
這篇教學示範如何在 React 介面串接 ElevenLabs,將用戶輸入的文字轉換成語音並在瀏覽器播放。內容提供一般生成及串流音訊的程式碼,並提及 ElevenLabs 每月免費額度為 10 k 個字元,超出後按用量收費。
作者以正規表達式白名單先行、語言模型其後的兩階段流程,將語音指令轉化為受控的家居自動化操作。系統只把已驗證的意圖和整理後的 JSON 參數交予 GPT-4o-mini,並在執行前再以 shell 指令白名單檢查輸出;不合規指令會被拒絕。
STREAM-MATE 是一款適用於 Twitch 和 YouTube 的 AI 聯合主持工具,提供即時聊天室、即時語音和螢幕上的虛擬形象,並在每則回覆播出前進行檢查。工具採用 MIT 授權,以標準程式庫為主,只讀取用戶指定的資料,不會傳送到其他地方;介面支援英文和俄文。校對規則可能誤判,適合用來找出需要改寫的內容,不適合評分作者或用於重視語氣的場合。
Block 的私隱聲明適用於用戶使用 dessa.com 服務時收集的資料,生效日期為 October 21, 2026。Block 會收集用戶提供的個人資料,以及裝置和服務使用資料,並用於提供、改善及開發服務、與用戶溝通和保障服務;資料亦可能分享予集團公司及服務供應商。
使用文字轉語音 API 時,開發者常因輸入文字未正規化、語言或語音選擇不當、忽略請求限制,以及未處理音訊格式相容性而遇到問題。文章亦提醒留意語音複製的資料要求和使用政策、為用戶提供語音選擇,並處理數字、日期及專業術語的發音。
elevenmusic-muse-plus 是以 Python 標準函式庫編寫的 CLI 工具,可檢查音訊描述文字和歌詞,並採用 MIT 授權。工具只讀取用戶指定的資料,不會將資料傳送到任何地方。檢查結果可能出現誤報,適合用來找出可重寫的內容,不應用來評分作者,也不適用於重視個人風格的寫作。
Jack Dorsey 的 Block 公佈 AI 模型 Dessa,稱其從零開始只以人類對話訓練,並採用語音到語音方式。Dessa 可在 MacBook Pro M4 Max 或更高配置的設備上本地運行,團隊將向一小羣 AI 安全研究人員提供早期使用權。The Verge 展示的對話大致自然,但有時也會顯得尷尬、怪異,例如模型一開始把説話者認成 Ronaldo。
Block 旗下 AI 研究實驗室於 2026 年 10 月 23 日發佈全雙工語音模型 Dessa,稱模型從零開始、只以人類對話聲音訓練,沒有使用文字或預訓練模型。
OnKey 是 Daniel Murrell 開發的免費開源 Mac 唱歌訓練應用程式,可配合 Spotify、Apple Music 或瀏覽器版 YouTube 播放歌曲。
Audible 技術團隊開發可控文字轉語音技術,為有聲書角色生成更具區別度的語音。BookLLM 在 25 本英文及西班牙文書籍中識別角色,準確率分別為 97% 和 94%。測試顯示,角色對白區分度在 MUSHRA 評分中提升 3.7 分,兩種語言的測試中有十種聲線的八種帶來顯著聆聽體驗改善。
Jiasheng 將家庭對話錄音整理成可攜式故事頁,讓用戶閲讀逐字稿,並點選段落重聽原始錄音。它透過 Transformers.js 在瀏覽器運行量化 Whisper base,支援最長 10 分鐘、100 MB 的錄音,組成故事前須由用戶檢查逐字稿。錄音、逐字稿和相片不會上載作處理,但首次下載模型仍需網絡連線。
Drowzy 是一款可用語音控制的鬧鐘,用戶可要求延後響鬧或關閉鬧鐘,毋須伸手拿手機。它以 whisper.cpp 和透過 Ollama 執行的開放權重 LLM 在本機處理語音,毋須連接網絡;鬧鐘響 5 秒後錄音 4 秒,並在語意不清時繼續響鬧。作者以合成西班牙語語音測試完整流程,尚未驗證實際麥克風及 Android/Termux。
索尼 PULSE Elevate 無線音箱今日開啟國行預售,定價 1,748 元,將於 2026 年 11 月 12 日上市,可配合 PS5、PC 或 Mac 使用。音箱支援 Tempest 3D 音效、AI 降噪麥克風及 PlayStation Link,亦支援藍牙和多設備連接。
VoiceStudio 是一款開源桌面程式,可在本機離線運行,整合多種 TTS 引擎,提供聲音複製、影片配音、轉錄及有聲書製作,並稱支援 646 種語言。程式採用 Electron 前端和本地 Python 後端,整合七種 TTS 引擎,並一次只載入一個;另提供本地 REST API 和 MCP 伺服器。
訊飛輸入法16.0正式發布第三代語音輸入「意圖成稿」,可按用戶説明的表達任務及提供的資料組織內容,生成供用戶確認和使用的文稿。版本接入訊飛星火Spark-ASR-2.0,方言支援達202種,識別準確率由85%提升至91%;中英文專業詞混合場景的英文槽準率由33%提升至80%。新版亦推出個性化 AI 鍵盤,整合任務資訊、表達技能及「鍵盤搭子」等功能。
Amazon 將 Kindle Unlimited 更名為 Kindle+,在月費維持 $11.99 的情況下擴充內容,加入與真人旁白有聲書並存的 AI 旁白有聲書。訂戶可透過 Kindle app 同時借閲最多 20 本電子書、有聲書或漫畫;如電子書有有聲書版本,亦可在文字與音訊格式之間切換並保留閲讀進度。
指南列出兩種取得自訂喚醒詞模型的途徑:自行訓練開源工具 openWakeWord,或使用線上/託管平台生成並下載模型。文章建議在最終麥克風及實際環境中評估召回率和每小時誤觸發次數。作者披露自己是 Voicute 的創作者,並指出文中比較並非獨立第三方基準。
LazyScroll 是一款完全在本機離線運行的語音 AI 智能體,使用 Gemma 2 將冗長的羣組聊天或收件匣內容濃縮成最多兩行摘要,並透過系統語音讀出重點。它在本機硬件上連接 Ollama,使用 Google 的開放權重 gemma2:2b,毋須依賴雲端 API;摘要聚焦待辦事項及重要資訊。
科大訊飛在北京舉行的 2026 AI 文娛論壇上發布 AI 潮玩 Gununu,以及訊飛輸入法 16.0。Gununu 依託訊飛星火大模型,透過多模態情境互動、動態記憶及雙軌成長系統構建陪伴體驗。
Amazon 在美國將電子書訂閲服務 Kindle Unlimited 更名為 Kindle Plus,月費維持 11.99 美元/月,核心權益不變。用戶仍可同時借閲最多 20 本電子書、漫畫及雜誌,無歸還期限,並完整保留歷史記錄。此次更新新增數千部有聲書,涵蓋 ACX 平台製作及由 Virtual Voice 技術生成的 AI 配音作品;部分讀者擔心音質與聆聽體驗下降。
亞馬遜將電子書訂閲服務 Kindle Unlimited 更名為 Kindle Plus,並在美國市場新增數千本有聲書。美國市場月費仍為 11.99 美元,會員仍可從持續更新的電子書、漫畫和雜誌目錄中同時借閲最多 20 本作品,沒有固定歸還期限;現有用戶的閲讀歷史、書籤、筆記和閲讀進度會保留。
AI 教培智能體技術框架涵蓋感知接入、大腦推理、教學動作執行、知識與儲存支撐,以及安全與運維保障五個層級。框架支援語音交互、多模態識別、教學策略引擎及多智能體協作,應用於個人化、專業化的英語教學。
Apple Watch Ultra 4 評測顯示,電池續航改善是主要升級,但多項新功能仍待更新推出。測試中一般使用可續航 79 小時,較前代長約 6 小時;S11 晶片、日間心率及心率變異度監測,以及就緒度評分亦是新功能。售價為 £749(€899/$799/A$1,349),部分音訊智能功能預計於「late 2026」啟用。
Voice AI 的延遲會影響對話自然度、用戶信任和整體採用情況;文章説明延遲來源,並提出多種改善方法。推理通常是主要延遲來源,TTS 和語音複製的推理延遲可達 150–600 ms。文章以 ElevenLabs 為例,指出短句往返延遲通常低於 300 ms,並支援串流回應。
這個本地工具結合 Whisper 與 Gemma 4,將 30 秒語音轉成待辦清單。這是 Hacktoberfest Open-Source AI Challenge 第 3 週的參賽作品。
導演於蕾透露,72歲李雪健因早年患鼻咽癌接受放療的後遺症,已完全失聰失聲。他在節目中飾演老紅軍,只能依靠AI製作旁白,並以神態和眼神表現多層情緒。