ElevenLabs 與 Murf AI 開發者比較:API、定價及影片 TTS 流程(2026)
Jaden Vo 比較 ElevenLabs 與 Murf AI 面向開發者的 API、定價、輸出格式及影片 TTS 流程,指出前者採月費額度制,後者按用量收費。
Jaden Vo 比較 ElevenLabs 與 Murf AI 面向開發者的 API、定價、輸出格式及影片 TTS 流程,指出前者採月費額度制,後者按用量收費。
三星公佈旗下首款耳夾式耳機 Galaxy Buds On 的細節,產品配備 TwinBoost 揚聲器系統及三個麥克風。耳機將於 10 月 27 日在韓國率先上市,僅提供黑色,售價 299,000 韓元。連接支援 Galaxy AI 的手機或平板電腦後,可用語音指令啟動 Gemini Live,亦支援頭部手勢操作及 Quick Voice Memo 快速語音備忘錄。
Samsung 將於 10 月 27 日在南韓推出 Galaxy Buds On,這是 Galaxy Buds 系列首款夾耳式無線耳機。開放式設計不遮擋耳道,並以基於 4D 運算的 AI 優化技術適配不同耳形;TwinBoost 揚聲器配備兩個相同低音單元。連接支援 Galaxy AI 的手機或平板後,用戶可用語音指令啟動 Gemini Live,亦可點頭接聽來電或搖頭關閉鬧鐘。
Voq 是一款輕量 Chrome 擴充功能,可把網頁文字轉成自然 AI 語音,並以逐字高亮和分段功能方便聆聽。它支援 34 種語言及自動語言偵測,適用於 ChatGPT、Claude、Gemini、Perplexity、論壇、長篇文章和文件。無須帳戶或電郵,不設分析、追蹤或廣告;自然語音每日限額內免費,另有可取消限額的創始會員方案。
Tolan於2026年10月宣佈獲得3,000萬美元戰略投資,由Homebrew、Khosla Ventures及Union Square Ventures聯合領投。這款非戀愛向語音 AI 伴侶以柏拉圖式情感陪伴為定位,採用可自訂外星虛擬形象、語音優先互動及自研長期記憶系統,支援個人化記憶、主動對話、待辦管理和情緒支援。融資將用於技術研發及全球用戶增長。
Mangoslab 旗下 Nemonic Dot 點字打印機獲《時代》雜誌「2026 年最佳發明獎」,預計於今年第四季向公眾發售。內置 AI 系統支援超過 100 種輸入語言,可把語音或文字轉成凸起點陣,印在寬 12 毫米的塑膠或金屬標籤上;盲文凸點高 0.6 毫米,符合 ADA 等相關法規要求。
小米 Sound 2 Pro 音箱在京東 11.11 促銷,官方定價 1399 元;PLUS 會員搶到 800-80 元 2 積分券後,價格為 679~719 元。音箱採用兩分頻架構,配備 1 個 3.75 英寸 40W 重低音單元和 1 個 1.5 英寸 20W 高音單元,並可聯動 Sound 2 Max 組成 4.0 環繞聲。
教學示範如何以 ElevenLabs 的 TTS API 將冥想稿轉成 MP3 語音,並串流至流動或網頁用戶端。範例以 gpt-4o-mini 動態生成冥想稿,再透過 Flask endpoint 提供音訊,並以 React 前端播放。
Perch 以 70 段合成語音片段,盲測自家獸醫 AI 記錄工具與一款已在臨牀使用的商業同類產品,檢查漏記及憑空記錄藥名的情況,並公開雙方失誤。商業工具曾把不存在的 Roflexacin 列入病歷;這是共同測試集,並非任何一方的準確率聲明。
螞蟻百靈開源 Ming-3.0 語音系列,共提供五款模型,涵蓋語音合成、音訊理解與對話,以及語音識別。Ming-3.0-tts 的 Voice Design 可用文字描述目標音色,或透過參考音訊設定音色;導演模式則可描述台詞的表演方式、情緒變化、重讀詞及節奏。
Mauricio Andrade 建立 Kikanai,讓用戶在本機以 whisper.cpp 轉錄語音訊息,再交由 Ollama 上的 Gemma 4 摘要;音訊、轉錄和摘要都不會離開電腦。摘要最多兩行,突出待辦事項與時間,並判斷是否需要回覆。作者以四則總長 1m 49s 的語音訊息測試,調校後總處理時間由 97 s 降至 46 s,閲讀摘要需 25 s,省下 1m 24s 收聽時間。
螞蟻百靈開源 Ming-3.0 語音系列,面向聲音創作、長語音分析及業務語音轉寫三類任務,提供共五款模型。系列包括語音合成、音訊理解與對話、語音識別三類模型,開發者可按任務選擇,或組合不同能力加入自己的工作流程。
螞蟻百靈開源 Ming-3.0 語音系列,涵蓋語音合成、音訊理解與對話、語音識別三類任務,共提供五款模型。Ming-3.0-tts 的 Voice Design 支援以文字描述或參考音訊設定音色,導演模式可描述情緒變化、重讀詞及節奏;Ming-3.0-audio-flash / tiny 可轉寫、總結及分析長音訊的觀點,並輸出結構化內容。
這份開發者文件 PDF 轉有聲書檢查清單聚焦文字抽取、章節審閲與音訊生成前的準備,提醒保留精確指令作書面配套。Play HT 可匯入文件並在生成音訊前審閲章節;匯入和審閲不消耗生成點數,生成則需要有效訂閲及點數。Basic 品質的 50,000 個字元起價為 500 點數。
DeepSnore 教學以 Librosa 和 Whisper 建立睡眠音訊分析流程,分類打鼾、喘氣及疑似呼吸暫停事件。流程以 RMS 能量偵測低於閾值且持續超過 10 秒的靜音區段,作為 OSA 風險評估依據。醫療級部署仍須處理背景噪音、多人音訊分離及符合 HIPAA 的數據管線。
SubScribe Field OS 以本地優先、完全在裝置端運作的語音架構處理建築工地文書,並將整體記憶體控制在 8 GB 內。音訊管線以 240 KB 硬上限防止突發資料超出預算,SQLite 寫入佇列則採用 2 秒逾時的背壓機制。量化 ONNX 語音轉文字模型在工作程序內載入,避免模型在主程序和工作程序重複佔用記憶體。
日本演員協會(JAU)發布首版生成式 AI 語音使用準則,要求企業在複製配音演員聲音的數據採集、訓練及應用各環節取得明確授權,並支付報酬或版税。JAU約有2600名會員,包括津田健次郎和野澤雅子;野澤雅子表示,未經授權使用其聲音等同盜竊。
日本演員協會(JAU)上週發布首版生成式 AI 使用準則,要求複刻演員聲音的任何用途都須在流程每一步取得當事人同意。AI 企業如要將演員聲音用於訓練,須取得表演者許可;經授權生成的語音則視作一類表演,企業須支付報酬或版税。《龍珠》孫悟空配音員野澤雅子稱,未經許可使用其聲音「和盜竊沒有區別」,並指她聽過的 AI 複刻聲音「沒有情感」。
教學示範如何建立互動式音訊故事生成器,將用戶提示詞轉成由角色配音的故事音訊。流程以 OpenAI 的 gpt-4o-mini 生成帶説話者標籤的劇本,再由 ElevenLabs 合成每句 MP3,並透過 Python Flask 後端及 JavaScript 前端播放。ElevenLabs 的語音複製功能可為角色建立自訂聲線。
Qwen-Audio-3.1-ASR 模型系列在 Qwen-Audio-3.0-ASR 基礎上提升語音識別能力,並擴展説話人分段轉錄及通用音訊理解。系列支援 30 種語言和 16 種中文方言,提供適用於非同步檔案轉錄、低延遲串流、互動式語音輸入及非串流識別的不同版本。部分版本支援説話人分段轉錄和通用音訊理解,包括音訊問答、聲音事件檢測及音樂描述。
StyleStream 2.0 以少步 MeanFlow 模型降低串流語音轉換延遲,並透過統一的 flow matching 模型支援文字語音設計及指令式語音編輯。系統在消費級 GPU 上的端到端延遲為 520 ms,速度較 StyleStream 1.0 快 2 倍,同時維持轉換品質。評測顯示,其目標風格保真度表現突出,在可懂度及非編輯屬性保留方面亦具競爭力。
這份開發教學示範如何結合 ElevenLabs、語音辨識及聲音複製,構建語音無障礙工具。Python 流程以 Google Web Speech API 將麥克風輸入轉成文字,再由 ElevenLabs 合成複製聲音並播放。內容亦涵蓋網頁整合,以及背景噪音、延遲和 API 速率限制的處理方法。
Microsoft AI 的 MAI-Transcribe-2 在 David AI 的 DAI-ASR-I18N 公開評測中,於 21 種語言中的 18 種取得最低轉錄錯誤率,並在 16 種語言的錯誤率低於 10%。
Monday.com 推出 Harmony 語音 AI 平台,負責致電銷售潛在客戶、篩選名單並跟進,再把合適客戶轉交真人銷售代表。平台採用多個以真實客戶通話訓練、各自處理特定任務的小型 AI 模型,Monday.com 稱回應時間約為 200 毫秒。目前平台在美國、英國、澳洲及新加坡提供,並可將通話紀錄寫入 Salesforce 和 HubSpot 等 CRM 系統。
Deepgram 與 AWS 把 Nova-3 語音轉文字模型移植並調校至 AWS Trainium2,以提升離線批次推理效率。單一 Amazon EC2 trn2.3xlarge 執行個體配置八個模型副本後,每美元可處理的音訊量較 Deepgram 原有運算方案增加 11–70%。這項成果有助 Deepgram 更有效率地擴展服務,並以較低價格向客戶提供模型。
Google Developers Blog 提供以 ADK 和 gemini-3.8-live 建立非阻塞語音智能體的逐步教學。在銷售報告基準測試中,改用串流工具後,智能體首次發聲時間由 14.4 秒縮短至 1.2 秒。文章亦説明如何按工作流程選擇串流或背景執行,並設定結果在空閒時、立即中斷或靜默加入對話。
聲音授權系統不應把曾經有效的許可視為永久授權,而須在合成語音生成、交付或續期前核對擬議用途是否仍符合現行授權。檢查應涵蓋買方、用途、渠道、地區、期限、補償規則及撤銷狀態,並記錄政策版本、權利依據和準許或拒絕的原因。資料無法核實時,平台應拒絕使用;新交付、續期、地區或生成方式改變亦須重新判斷。
One More Mile 利用 Twilio Voice SDK 和 WebRTC,讓親友透過瀏覽器按跑手號碼錄製語音鼓勵,跑手則透過私人連結收聽。連結附有秘密 token 以限制存取;服務無須 app、電話號碼或國際通話費,Twilio Sync 負責管理跑手名單及對應訊息。
羊毛卷大叔打造了一款免費的瀏覽器中文聲調訓練工具,錄製單音、提取音高輪廓,再與目標聲調比較評分。單音評分以 YIN 偵測音高並對照理想聲調;詞句跟讀則以模型錄音輪廓作參照,透過加權 DTW 容許有限的時間差異。錄音與分析均在瀏覽器內完成,毋須註冊或上載音訊,文字回饋會指出音高輪廓與目標的差異。
Quiet Hours Valet Command Center 是一個正式投入生產的語音自動化平台,可同時處理 8 個 AI 智能體、8 個自動化工作流程及即時 webhook。
古爾曼稱,Apple 智能家居中樞 HomeView 的硬件早已完成,卻因等待新版 Siri 而多次延期,推出時硬件已顯過時。HomeView 原定於 2025 年春季推出,其後延至上週;新版 Siri 須能調用用戶的個人內容、辨認家庭成員,並向各人展示私人資訊,以配合產品原定的語音操控體驗。
PracticePerfect 是一款在筆電本機運行的口語練習應用,使用 Whisper small 經 faster-whisper 轉錄錄音,再由 Gemma 3:1b 評分並提出改善建議。模型和依賴下載後,核心練習流程可離線運行,錄音、逐字稿和回饋均儲存在用戶的筆電。
QuoteFlow 將承辦商的語音或文字工地紀錄轉成按地區調整的分項報價。報價涵蓋材料、人工、設備、許可證及税項,並可生成附品牌識別的 PDF。桌面版透過 Ollama 在本機執行開放權重 Gemma;託管示範則經 Groq 使用同系列 Gemma,並在雲端呼叫前遮蓋客戶個人資料。
作者 Nikitha Kishore Avadootha 開發 Articulate Me,以每日 5 分鐘課程教授口語溝通技巧,並提供對話練習。Gemma 4 以兩本大學教材的 1,138 段內容撰寫課程,並扮演對話對象;回饋須引用用戶實際説過的話,核對器會檢查引文是否出現在轉錄中。前三章免費,Pro 每月 $5,Prep Pack 一次性 $3;離線模式約需 1 GB RAM。
日本演員聯合會於 10 月 15 日公佈《生成式 AI 聲音使用指引》,要求 AI 聲音訓練、生成及作品使用各階段事先取得聲優書面同意並支付報酬。指引規定動畫及電影配音原則上由真人負責,授權原則上最長一年,已故聲優的聲音亦受更嚴格限制。這套業界自律指引目前不具法律強制力。
VoiceLedger 將獨立承包商的英語或 Hinglish 語音備忘轉成 GST 發票,使用 ElevenLabs Scribe 轉錄,並以 MongoDB Atlas 配對客戶資料。
Aghazie David 開發 Kwota,讓尼日利亞工匠以語音描述工作後生成 PDF 報價,並開啟已填妥報價內容的 WhatsApp 連結。工具支援皮欽語、約魯巴語、豪薩語、伊博語及尼日利亞英語,使用 NaijaVox-2.0 轉錄、Gemma 3 12B 配對工匠價目表中的項目;數量會從轉錄內容抽取並核對,報價只採用工匠價目表或其口述金額,不由模型生成。
榮耀車聯更新新增智慧車控功能,用戶可透過手機查看車輛狀態、一鍵控車,亦可使用 YOYO 語音一句話控車。目前智慧車控僅支援比亞迪旗下車型。比亞迪此前宣佈與榮耀戰略合作,將支援 YOYO 遙距控車,並推進 AI 語音融合及 A2A 跨端打通車機與手機語音智能體。
Universal Modder 團隊發布開源 AI 模組 NPCTalk,為《GTA 5》單人版加入無腳本即時 NPC 對話。模組結合 Nemotron ASR、Qwen 3.8 27B 及 Fish Audio Drama 3,支援語音識別、上下文回應生成、原聲克隆合成和角色肢體動畫;按鍵模式下延遲為 1.15–2.2 秒。
NPCTalk AI 模組為《GTA 5》加入即時、無腳本的 NPC 語音對話,玩家可透過麥克風與角色交談,角色會按性格、所處環境和當前情境生成回應,並以近似原版配音的聲線回覆。