跳到正文
10月23日週五
  1. 新浪科技38

    AI 玩具捲到這一步了?開箱「光之召喚」奧特曼 AI 互動對話器

    躍然創新第三代 AI 玩具「光之召喚」奧特曼 AI 互動對話器正式開售,官方售價 599 元,將 AI 對話、冒險互動及多人組隊功能整合進可佩戴的彩色計時器。產品搭載自研 Memory Layout 記憶系統,支援多語種即時語音互譯,並可透過 4G 或 WiFi 連線;家長可使用「輕連」App 管理聯絡人、童鎖及內容。

  2. DEV Community30

    如何為 Django 應用程式加入 AI 語音

    教學示範如何在 Django 應用程式整合 ElevenLabs,將文字轉換為語音,並透過 API 提供音訊。內容涵蓋設定 API key、使用 httpx 編寫非同步 TTS 輔助函式及建立傳回 MP3 的 Django 端點,也介紹語音複製、音訊串流、快取、背景任務和 API 使用限額管理。

  3. DEV Community29

    2026 年 AI 語音生成器完整比較指南

    這份開發者導向指南比較 2026 年多個 AI 語音生成平台,涵蓋延遲、價格、聲音多樣性及開發者體驗,並指出 ElevenLabs 已成為多數開發者的首選。指南稱 ElevenLabs 處理 5 秒語音請求可在 150 ms 內回傳音訊,標準語音收費為每秒 $0.01,premium 或自訂語音為每秒 $0.02。

  4. AWS Machine Learning Blog63

    Amazon Polly Generative engine 升級,新增 14 種語音並提升輸出自然度與準確度

    Amazon Polly Generative engine 升級版現已正式推出,提供更自然、準確且低延遲的語音輸出,並新增 14 種語音。新增語音分佈於 9 個語言地區,印地語及芬蘭語生成語音首次正式開放使用;既有語音名稱和 API 呼叫不變,應用程式毋須修改程式碼。升級後共有 57 種生成語音,涵蓋 11 種語言和 25 個語言地區,價格維持不變。

    推薦理由:Amazon Polly Generative engine 可在現有整合中直接升級,語音名稱、API 呼叫和價格均維持不變,並新增 14 種語音,説明這次更新對既有服務的兼容方式。

  5. Unite.AI59

    AWS 升級 Amazon Polly Generative 文字轉語音引擎,新增 14 種聲音

    AWS 於 2026 年 10 月 22 日正式推出 Amazon Polly Generative 文字轉語音引擎升級,新增 14 種聲音,並首次在 Generative 引擎支援印地語和芬蘭語。新增聲音分佈於 9 個 locale,令目錄增至 57 種聲音,涵蓋 11 種語言和 25 個 locale。現有生成式聲音的名稱及 API 呼叫維持不變,無需修改程式碼,價格亦不變。

  6. AWS Machine Learning Blog60

    Amazon SageMaker AI 上如何以實測設定 TTS 自動擴縮容目標

    AWS 示範在 Amazon SageMaker AI 即時端點部署 Kokoro-82M,並以實測取代 TTS 自動擴縮容目標的猜測。在 ml.g5.xlarge 上,Q_max 為 50;實際擴容耗時為 260.2 秒,另計入按政策設定界定、未經本次測量的 60 秒偵測延遲,規劃 T_total 為 320.2 秒。

    推薦理由:文章以單機可承受併發量和實際擴容耗時兩項測量,推導 TTS 端點的擴縮門檻與冷卻時間,並展示 Kokoro-82M 的部署流程。

  7. DEV Community27

    KisanMitra:面向小農戶的雙語 AI 農場管理助理與鄉村契約帳簿

    KisanMitra 是專為小農戶設計的雙語 AI 農場管理助理及鄉村契約帳簿,可協助安排灌溉與噴藥、記錄借貸及追蹤農產品市場價格。系統結合 Gemini AI 價格預測、即時天氣建議和印地語及英語語音助理,並支援 WhatsApp 付款提醒。應用採用網頁標準,可在低階流動裝置上運行,並提供離線農業建議。

10月22日週四
  1. 新浪科技33

    捷達 M6 純電車上市,售價 7.98 萬元至 9.98 萬元

    一汽-大眾捷達首款新能源車捷達 M6 在成都上市,共推出三款車型,售價 7.98 萬元至 9.98 萬元,提供 465km 和 555km 兩種續航。車款配備征程6M芯片,支援 0—120km/h 城區 NOA,車機配備豆包、DeepSeek、千問三大模型。捷達亦為首位車主提供多項終身保障及首年駕駛輔助事故兜底。

  2. TechCrunch · AI47

    Nirva 為只聆聽佩戴者語音的吊墜籌集 3,300 萬美元

    Nirva 宣佈完成 2,500 萬美元 Pre-Series A 融資,加上今年稍早籌得的 800 萬美元,累計融資額達 3,300 萬美元。公司的首款裝置是可作手鏈佩戴的吊墜,會過濾周圍其他人的對話,並預設在處理後不保留音訊或文字稿。這款售價 249 美元的裝置將於 11 月開始接受訂購,目標在年底前出貨予早期用戶。

  3. DEV Community64

    考試平台如何以本地模式進行語音轉文字,讓錄音不必交給第三方轉錄服務

    文章拆解一套考試平台如何在本地完成語音轉文字,讓錄音不必交給第三方轉錄服務,而只把逐字稿送往外部語言模型評分。流程以 ffmpeg 將瀏覽器錄音轉成 16 kHz 單聲道 WAV,再由 CPU 上的 openai/whisper-small 轉錄;STT_ROUTING 設為其他值時,音訊則會傳往 Groq 或 OpenRouter。

  4. DoNews24

    索尼 PlayStation Pulse 無線耳機 11 月 19 日全球發售

    索尼宣佈新款 PlayStation Pulse 無線耳機將於 11 月 19 日在美國、英國、日本等多地上市,並於 10 月 29 日開放預購。耳機售價 99.99 美元,提供黑白兩色,採用平面磁驅動單元,支援 PlayStation Link 與藍牙雙模連接,並配備 AI 降噪麥克風。相較高端款 Pulse Edge,這款耳機的磁體數量減半,定位較入門。

  5. DEV Community40

    ElevenLabs 與 Next.js 整合:逐步教學

    這套整合以 Next.js API route 在伺服器端呼叫 ElevenLabs 文字轉語音服務,將 MP3 音訊串流回瀏覽器,並避免在用戶端暴露 API key。前端元件讓用戶輸入文字並播放合成語音;教學亦涵蓋 Vercel 部署及自訂聲音複製。

  6. DEV Community36

    語音對語音 AI 如何聽懂人聲並生成回應?

    語音對語音 AI 透過神經音訊編解碼器,將輸入聲音編碼成一連串音訊碼,再由模型處理並生成回應音訊,未必需要先把語音轉成文字。以每秒 24,000 個取樣、每秒 12.5 個影格及每個影格 8 個音訊碼計算,表示值可由 24,000 個降至約 100 個,約減少 240 倍。模型亦須處理語義和語音特徵,但不同架構對這些資訊的表示方式並不相同。

  7. 創業邦54

    個人智能體競爭蔓延至硬件

    多家企業正把個人智能體的競爭延伸至 AI 眼鏡、耳機和錄音設備,圍繞現實場景資訊的採集、管理及後續任務服務展開競爭。千問整合模型、App、硬件和第三方技能;韶音藉助外部 AI 能力,viaim 嘗試管理上下文並調度其他智能體,亞馬遜旗下 Bee 則連接硬件採集資訊與助手及購物服務。各家訂閲服務對應資訊處理、上下文管理和任務服務等不同環節,公開數據尚不足以説明用戶實際調用頻率和付費意願。

  8. HuggingFace Daily Papers(社區熱門論文)39

    RubatoCodec:具固定語音長句事件預算的自適應語音標記化與串流解碼

    RubatoCodec 是基於 X-Codec-2 的可變影格率語音編碼器,以固定的長句事件預算和自適應事件編碼,支援串流解碼。受控實驗顯示,在低事件率下,其重建保真度和清晰度優於固定速率編碼;與其他編碼器相比,它在英語和日語基準測試中保留清晰度的表現最佳。用於文字轉語音時,該表示法取得較低 WER、較高 UTMOS 和 UTMOSv2,説話者相似度則相若。

  9. IT之家46

    Hey OnStar 登場:通用汽車推出 OnStar AI,能理解車輛狀況及車主表述

    通用汽車推出全新 OnStar AI 助手,將 OnStar 升級為面向智能駕駛時代的互聯智能平台。助手將率先透過 OTA 升級搭載於 2027 款凱迪拉克 Lyriq,可解釋車輛警告、回答續航問題,並以語音控制部分車載功能。通用汽車計劃於 2027 年推出與車載軟件同步的統一 OnStar 手機應用,取代現有相關品牌應用。

  10. DEV Community31

    讓 AI 語音輸出更自然的 10 個技巧

    文章提出 10 個改善 AI 語音自然度的技巧,包括使用乾淨且多樣的語音數據、調整韻律、以 SSML 控制停頓和發音,以及合成後處理音訊。ElevenLabs 提供 API、語音模型功能及免費方案,可用於語音克隆原型開發。