跳到正文
10月15日週四
  1. DEV Community30

    AI 語音模型如何訓練:技術概覽

    AI 語音模型的訓練流程涵蓋語音資料收集與預處理、模型架構、訓練及推理,將文字轉成語音波形。常見 TTS 系統以配對的語音錄音和文字訓練,用 Mel-spectrogram 表示聲學特徵,再由 vocoder 轉成波形;ElevenLabs 提供託管 API 和聲音複製功能。

  2. IT之家73

    SpaceXAI 發佈 Grok Voice 3.0,官方稱其為全球智能水平最高的語音轉語音模型,延遲低於 1 秒

    SpaceXAI 發佈 Grok Voice 3.0,官方稱其為全球智能水平最高的語音轉語音模型,延遲低於 1 秒且運行成本低於其他前沿模型。Artificial Analysis 的獨立測試中,該模型在語音轉語音綜合榜排名第一,得分 86.9;全雙工基準得分為 97%,τ-Voice 得分為 71.6%,延遲較 GPT-Live-1(Astra)低 40%。

  3. DoNews63

    SpaceXAI 發佈 Grok Voice 3.0 語音轉語音模型

    SpaceXAI於2026年10月15日發佈Grok Voice 3.0語音轉語音模型,在客服通話任務中的延遲低於1秒。模型綜合表現位列Artificial Analysis榜單首位,得分86.9;全雙工互動達97%,τ-Voice抗噪與插話能力為71.6%。模型已透過API上線,定價維持每分鐘0.08美元;每日支援特斯拉車載對話及星鏈客服超過百萬次通話,70%來電可全自動處理。

  4. OpenAI News35

    Amp puts AI agents to work beyond code with OpenAI models

    Amp 正藉助 OpenAI 模型拓展 AI 智能體的工作範圍,從規劃產品、撰寫程式碼和設計頁面,延伸至編寫文件及市場推廣。Amp 推出 Sign in with ChatGPT 整合,讓用戶使用更多 token 和 OpenAI 模型,包括 GPT‑6 Astra;團隊亦正測試 GPT‑6 Astra 的 Ultrafast 模式,並以 GPT‑Live‑1 支援即時語音對話。

  5. Descript 原創工程博客52

    Descript 教學:如何減少音訊背景噪音

    Descript 的指南介紹如何在錄音前控制環境噪音,並在後期用 Studio Sound 一鍵減少背景噪音、混響及其他不需要的聲音。Studio Sound 以機器學習模型處理並重新合成音訊,亦可保留原音供比較。文章建議在安靜、少硬質反射面的空間錄音,選用指向性麥克風、靠近麥克風收音並降低增益。

  6. The Verge · AI42

    Square 推出可透過 AI 對話協助點餐的 Square Kiosk

    Square 推出 Square Kiosk 點餐自助機,讓顧客透過 AI 語音對話查詢菜單、要求修改或替換餐點並下單。設備配備 21.5 吋觸控屏幕及感應到場功能,付款可使用非接觸式讀卡器或插卡槽。Square Plus 或 Premium 訂閲商戶即日起可用 $1,999 購買,每部設備另收每月 $99 軟件費。

10月14日週三
  1. 螞蟻 inclusionAI:HuggingFace 新模型47

    Ming-3.0-asr-tiny:支援中文、英文及方言的上下文語音辨識模型

    Ming-3.0-asr-tiny 結合 Ling-tiny-v3 語言骨幹與音訊編碼器,可轉錄中文、英文及方言語音,並支援以熱詞或對話上下文改善專業詞彙辨識。模型在 15 個地區方言測試集(包括粵語、閩南語及上海話)、雜音語音及五個應用領域接受評估。模型權重及原始項目程式碼以 MIT License 發佈,並提供 Transformers 推理範例。

  2. DoNews32

    Bose 推出全新Bose開放式運動耳機與 Bose Ultra 開放式耳機II

    Bose 推出 Bose 開放式運動耳機和 Bose Ultra 開放式耳機 II,兩款產品即日起在 Bose 官方渠道發售,售價分別為 1,599 元和 2,299 元。兩款耳機均採用 Bose OpenAudio 開放式音頻技術,並支援藍牙 5.4、多點連接及無線充電。運動耳機單次充電可播放長達 7 小時,Ultra 開放式耳機 II 可播放 9 小時,開啟沉浸空間音頻模式約 5 小時。

  3. DEV Community28

    AI 語音如何改變 Podcast 行業

    AI 語音合成與聲音複製正改變 Podcast 製作,讓開發者可生成旁白、多語言音訊及互動節目。文章以 ElevenLabs 示範 Python TTS 及聲音複製流程;複製聲音需提供目標説話者的音訊樣本,並可重用 voice ID。文中亦示範以 TTS 製作 5 種語言版本,並將音訊生成接入 CI/CD 流程。

  4. Thurrott63

    Apple 推出售價 $149 的 HomePod mini 2,加入 Siri AI 支援並整合 Apple TV、Mac

    Apple 發佈 HomePod mini 2,售價 $149,加入與 Apple TV 4K、Mac 的新整合,並將透過上市後更新加入 Siri AI。Siri AI 初期只支援英文,適用地區包括美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國;產品即日起接受預購,並於 October 30 在美國及另外 23 個市場開始出貨。

  5. Thurrott53

    Apple 推出第四代 Apple TV 4K,加入內置咪高峯及 Siri AI,美國售價升至 $299

    Apple 將於 11 月 13 日推出第四代 Apple TV 4K,加入內置咪高峯及 Siri AI 支援,美國售價 $299,較上一代貴 $50。Siri AI 亦會以 beta 提供予第二、三代 Apple TV 4K;新機的遠場咪高峯支援免提操作,但 Siri AI 初期只在美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國提供英文服務。

10月13日週二
  1. CNET51

    Apple 發佈 HomePod Mini 2,外觀延續前代並預告 Siri AI 功能

    Apple 發佈 HomePod Mini 2,配備 S10 晶片,並預告日後更新將加入 Siri AI 功能。新款售價 $149 起,提供五種新顏色,於 10 月 30 日在店舖發售;S10 晶片可即時分析音樂並作優化。Apple 表示,Siri AI 可根據 iPhone 使用情境個人化回應,例如按過往訊息播放歌曲,或從電郵中的食譜整理購物清單;相關功能的價格尚未公佈。

  2. Vapi 產品與 Agent 方法50

    Vapi 指南:如何評估客戶服務中的 AI 語音智能體

    Vapi 發表評估客戶服務 AI 語音智能體的指南,提出七項標準,涵蓋問題解決、即時語音品質、系統操作、升級交接、模型彈性、生命週期管理及平台控制。指南建議使用 50 至 100 個真實通話樣本,以相同通話集比較不同供應商。Vapi 將自身定位為開放平台,讓團隊掌握工作流程與模型選擇。

  3. Vapi 產品與 Agent 方法50

    AI 語音智能體如何分辨真人接聽與語音信箱

    AI 語音智能體透過接聽時序、問候長度及停頓等訊號,判斷外撥電話由真人接聽還是進入語音信箱,並須在約三至五秒內完成判斷。2026 年 arXiv 預印本指出,單靠時序特徵已可媲美蜂鳴聲及關鍵詞方法,並避免額外延遲。Vapi 支援選擇偵測服務供應商、調整時序,並在人類接聽後切回對話。

  4. Vapi 產品與 Agent 方法27

    10 款最佳開源醫療語音轉文字工具

    Vapi 編輯團隊評選並排序 10 款適用於臨牀場景的開源語音轉文字模型,按即時準確度、臨牀術語處理、運作可靠性及數據安全作評估。醫療機構應按語言需求、環境噪音、技術資源和維護能力選擇模型;這些方案可透過自訂配置整合至 Vapi 語音 AI 平台。

  5. Vapi 產品與 Agent 方法25

    Narakeet:將文字轉化為自然流暢的語音

    Narakeet 可將文字稿轉成自然流暢的語音旁白,毋須錄音設備,並提供 600+ 種聲音供用戶調整語速和音高。平台支援 PowerPoint、Google Slides 和 Markdown,可將旁白與畫面同步,並生成字幕及隱藏式字幕。方案月費約 $5 起;專業配音員每小時收費 $100-$500,另加錄音室及剪輯費用。

  6. Vapi 產品與 Agent 方法22

    Character AI 的 5 個語音整合替代方案

    Vapi 比較 5 個 Character AI 替代平台,涵蓋語音 AI、聊天及故事創作等用途。Vapi 提供面向開發者和企業的 API 原生語音 AI 平台,支援 100+ 種語言,並連接 40+ 個應用程式。

  7. Vapi 產品與 Agent 方法33

    推動語音未來:認識 Vapi 新任產品副總裁

    Nathalie Criou 數月前加入 Vapi,出任產品副總裁;她曾任職 Google、VMware、Amazon、Twilio 和 Docker,並創辦 RidePal。她認為語音 AI 是少數已展現可重複投資回報的 AI 應用之一;客戶 Kavak 在六個月內重整全公司,改以語音作為主要渠道。Vapi 的產品挑戰是拓展至非技術用戶,同時不削弱平台對技術用戶的能力。

  8. Vapi 產品與 Agent 方法36

    GPT-Live 即將登陸 Vapi:封閉測試版開放,公開候補名單啟用

    Vapi 為 OpenAI 的 GPT-Live 全雙工語音對語音模型開放有限度測試,並同步啟用公開候補名單。GPT-Live 將語音轉文字、LLM 推理及語音生成整合於單一模型,支援自然停頓、處理對話打斷,並可在交談期間執行複雜工具呼叫。登記候補名單不保證獲得早期使用資格,Vapi 計劃未來數月逐步擴大供應。

  9. Unite.AI62

    Apple 發佈配備 Siri AI、A19 晶片及免提語音控制的第4代 Apple TV 4K

    Apple 於 2026年10月13日發佈第4代 Apple TV 4K,加入 Siri AI、A19 晶片及內置遠場麥克風,售價 $299(美國)。Siri AI 以 beta 形式於 tvOS 27.2 提供,適用於 Apple TV 4K(第2代或之後),先在美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國以英文推出。預訂於發佈當日開始,門市於 2026年11月13日開售。

  10. Apple:Newsroom45

    Apple 宣佈 HomePod mini 2

    Apple 宣佈 HomePod mini 2,配備 Siri AI、新配色及改良音效體驗。Siri AI 將於未來軟件更新推出,可理解個人情境,並憑藉廣泛世界知識支援更豐富的音樂探索。HomePod mini 2 售價為 $149(美國),美國及另外 23 個以上國家和地區今日起接受預訂,10月30日起在店舖發售。