趙本山親自演唱《慌啥子嘛》,回應 AI 合成翻唱
趙本山親自演唱《慌啥子嘛》,推出真人演唱版,回應網民對「AI 趙本山」翻唱的關注。歌曲由 AI 合成趙本山聲線的翻唱版本帶起關注,其真人版作為趙家班新劇《走馬上任》的推廣曲正式上線。相關影片上線三小時,點讚突破百萬。
趙本山親自演唱《慌啥子嘛》,推出真人演唱版,回應網民對「AI 趙本山」翻唱的關注。歌曲由 AI 合成趙本山聲線的翻唱版本帶起關注,其真人版作為趙家班新劇《走馬上任》的推廣曲正式上線。相關影片上線三小時,點讚突破百萬。
Buddy v1.2.0 可逐步引導新工程師操作 PLM、SRM、ERP,亦可代為點擊。它支援離線語音聽寫,可將文字輸入任何應用程式,提供 15 種語言選擇,並可完全使用本機模型運行。Buddy 開源,支援 Windows 及 Mac(Lite);每週 2,000 字以內免費,其後收費,輸入 token 每百萬個 $0.042。
Alibaba Cloud 於 2026 年 11 月 16 日正式開放 Qwen4-Max 使用;該模型採用 2.4T 參數骨幹,每個 token 啟用 71B 參數。
Baseten 推出 Baseten Voice Agent Stack 及 Baseten Realtime Voice,兩者現正處於私人預覽階段。Stack 將編排器與語音模型部署於同一雲端區域,並支援自行選擇或後訓練模型,以及各組件獨立擴縮。
Jordan Belfort 的 AI 語音初創公司 Tone 推出自助平台,讓內容創作者和作者把書籍轉成富表現力的 AI 生成旁白。用戶可選用 Tone 的 AI 聲音;語音克隆功能推出後,也可建立自己的聲音複製版。Belfort 稱 Tone 已服務銷售線索多於人手處理能力的公司,但文章無法獨立核實其技術是否如描述般運作。
Google 為 Gemini 加入 66 種地區口音,Android 與 iOS 應用程式由即日起可用多個國家的語音與用戶對話。英國選項包括 Geordie、Scouse、Brummie、Scots、Welsh、Northern Irish 及 Multicultural London English,另有印度、巴西、印尼和韓國的口音。
Google 的棄用頁面列出 5 款 Gemini 音訊預覽模型,最早可於 2026 年 11 月 17 日停用。
OPPO Enco Clip2 推出第四款粉黛海配色,到手價為 719.1 元。耳機採用耳夾式開放設計,單耳重 5.2g,配備 11mm+9mm 雙動圈單元及雙 DAC,並支援 LHDC 5.0。官方稱其 6nm 芯片的降噪算力提升 100 倍,單次播放最長 9.5 小時,搭配充電盒續航最長 40 小時。
OPPO 為 Enco Clip2 耳夾式耳機新增「粉黛海」配色,定價 799 元,首銷優惠價 719.1 元。耳機單耳重 5.2g,續航最長 40 小時,單次使用可達 9.5 小時;配備 6nm 晶片,官方稱降噪算力提升 100 倍。
llama.cpp 發佈 v1.0.0,為核心庫 libllama 和 libggml 引入語義化版本與穩定 API 契約。更新亦加入 FP8 (E4M3) KV cache、可設定 CPU share 的 host-memory MoE expert cache,以及兼容 OpenAI 的 /v1/audio/speech 端點,支援本地文字轉語音。
漫步者推出花再 Halo PixelBar AI 桌面音箱,售價 699 元,部分地區國補後低至 568 元。音箱屏幕可顯示歌詞及自訂內容,支援語音點歌和推送 PC 訊息、熱點及天氣資訊;配備 52mm 雙全頻驅動單元,連續不失真功率為 15W。產品搭載火山引擎、釦子平台和豆包大模型,打造花再 AI 智能體,支援自然語音互動、無網離線指令,並提供 12 種音色。
69歲趙本山買下歌曲《慌啥子嘛》的音樂版權並親自演唱;此前,AI合成其聲線演唱的版本在全網走紅。歌曲由「困困羊」作詞作曲、「村口吳老二」演唱,原創音樂製作團隊成員醒醒表示,團隊其後與趙本山本人合作。
WeekendAiProjects 測試 Hearth 家用助理,發現 FFmpeg 解析音訊時可能開啟網絡連線,而 Python 網絡記錄看不到這些編譯程式碼發出的連線。他們改為按 MIME 類型或副檔名指定音訊格式,並以應用程式記錄、作業系統連線檢查及拔除網絡等方式交叉驗證本機運行。文章亦指出,提示詞措辭無法可靠阻止文件中的植入指令,小模型環境下應在程式碼層過濾相關句子。
DIY 音樂人聲分離中的漏音、持續音顫動及呼吸與齒音模糊,源於頻率遮罩的限制,音源品質也會影響嚴重程度。作者的測試顯示,將低位元率音源換成 320 kbps 或無損檔案,改善最明顯;2-stem 適合卡拉 OK、練習和簡單抽取人聲,4-stem 則適合混音工作。窄頻漏音通常可用 EQ 改善,輕微顫動可用温和降噪部分緩解,嚴重顫動則需改用較佳音源重新分離。
KTC 推出 VMAX 全感知智能體主機,將雲台攝像頭、陣列麥克風和 VMAX GO 隨行屏整合至 Windows 迷你主機。主機可本地運行視覺、音頻及對話與會議紀要大模型,並支援語音互動。隨行屏脱離主機後可作便攜錄音副屏,離線採集音頻資訊,接回主機後自動同步數據並生成結構化會議紀要。
時間拉伸能改變音訊時長而保持音高;重採樣則會同時改變速度和音高。文章比較 OLA、WSOLA 與相位聲碼器,並以 Python 範例示範 librosa 的相位聲碼器:將 440 Hz 音調加快 25% 後,時長由 2.00 秒縮至 1.60 秒,音高仍為 440 Hz;重採樣則升至 550 Hz。較大幅度拉伸、瞬態及複音素材容易出現失真。
Apple 首款智能眼鏡 N50 細節曝光,產品不設屏幕,主打語音互動和環境感知,並由 Siri 協助用戶透過語音操作。N50 預計於 2027 年 6 月的 WWDC 亮相、年底出貨;眼鏡支援 Wi-Fi,離開 iPhone 後仍可執行部分基本任務,但複雜的第三方 App 操作仍需手機協助。
HUAWEI Mate X7以大屏辦公、影像和續航配置,面向重視商務協作與日常體驗的摺疊手機用戶。它配備第二代紅楓原色攝像頭;典藏版搭載5600mAh電池,實驗室測試顯示綜合續航較上一代提升1.4小時。實際表現會受使用環境影響,選購時宜按預算和需求考慮。
趙本山原聲演唱的歌曲《慌啥子嘛》引起網友共鳴,劉老根傳媒發布的演唱影片標註為網劇《走馬上任》推廣曲,上線三小時點讚破百萬。歌曲以樸素歌詞安慰面對求職、生活和未來不確定性的年輕人;趙本山的年紀與閲歷,也令歌聲帶有長輩勸慰的意味。
比亞迪第三代唐將於11月24日上市,已推出3款配置預售,預售價為22.5萬至26萬元。新車CLTC純電續航最高850公里,提供88.682kWh和105.792kWh兩種電池規格。
小型企業 AI 語音智能體可全天候接聽電話、回答常見問題、預約、篩選潛在客戶,並把通話摘要記錄到 CRM。它最適合處理大量重複來電和非辦公時間的來電,但不擅長應付情緒化對話、複雜協商及音質欠佳的通話。部署時應先從非辦公時間來電開始,訂明轉交真人的規則,並定期檢視通話摘要及改善腳本。
比亞迪第三代唐將於 11 月 24 日正式上市,預售價 22.5 萬元起,全系採用五座佈局。後驅版 CLTC 純電續航最高 850km,四驅版為 770km;四驅雙電機版本零百加速 4.3 秒。
比亞迪第三代唐將於 11 月 24 日上市,預售價 22.5 萬元起,提供後驅和四驅版本。後驅版 CLTC 純電續航最高 850km,四驅版續航 770km、零百加速 4.3 秒。全系採用五座佈局,搭載第二代刀片電池與閃充技術。
吉利銀河宣佈旗下首款旗艦大五座SUV銀河M8即將登場,車身尺寸看齊銀河M9,軸距為3030mm。新車搭載1.5T插電混能系統,提供兩驅和四驅版本,配備53.42kWh磷酸鐵鋰電池,CLTC純電續航251km,綜合續航超過1200km。座艙搭載銀河Flyme Auto智能座艙系統,並支持EVA智能語音大模型多輪連續對話。
AI外呼系統選型應先核驗線路、頻次管控、AI身份告知及錄音留存等合規要求,再評估場景匹配度。以阿里雲瓴羊Quick Service為例,其AI問答準確率實測達93%,複雜多輪業務辦理成功率達87%。系統較適合事件驅動及需與後端系統閉環的外呼場景,並提供30天免費試用供POC驗證。
中小企業選擇 AI 外呼系統,需把 MOS、時延、ASR 準確率及打斷成功率等語音互動指標,與部署架構、業務量級及維護能力一併評估。阿里雲瓴羊 Quick Service 公開數據包括單輪意圖識別準確率 93.2%、複雜多輪辦理成功率 87%,以及萬級並發下 P99 響應時間小於 1.5 秒;MOS 和 P90 時延則需透過 POC 實測。
SmartCall 以 Adapter、Session、Listener 三個統一接口,為 AI 呼叫中心提供自訂端對端即時語音模型的插件化接入方案。接入者實作 Adapter 和 Session,即可處理廠商協議轉換、音訊收發及事件回調;框架負責採樣率轉換、打斷編排和會話管理。方案以內網 vLLM 部署 Qwen3-Omni 示範接入流程。
作者展示以原始 8kHz RTP 建立的電話語音 AI 插話架構,透過約 50–60ms 的快速迴路觸發外播音訊緩衝區清空。架構按 20ms RTP 影格處理音訊,以 SOXR VHQ 將 8kHz 重採樣至 16kHz,並在 0.16ms 內清空 256-Frame 外播環形緩衝區。
小眾軟件「發現頻道」列出最近 10 日熱門排行榜上的 10 款軟件,涵蓋 Windows、macOS、Linux、Android、iOS 及網頁服務。當中包括開源、BYOK 零訂閲的 AI 語音輸入法 TypeFree,以及支援自動摘要和語義搜尋的免費 AI 書籤管理器 Linkit。
iPhone 上的 Apple Notes 除了基本記筆記,還可計算及繪圖、掃描文件、錄音轉錄、生成圖像、協作編輯和搜尋資料,並支援 Siri 建立筆記。部分功能依賴 Apple Intelligence,所需硬件及 iOS 版本各有不同;相關功能可用於 iPhone 15 Pro、iPhone 15 Pro Max,以及任何 iPhone 16 型號或後續機型。
聲音克隆以少量音訊複製特定人士的音色、語調和説話風格,讓內容創作者毋須預約錄音室,也能製作影片旁白或有聲書章節。文章示範如何透過 ElevenLabs API 上載語音樣本,並以 Python 生成語音。克隆聲音前須取得明確許可,合成音訊亦應標示。
優化 ElevenLabs API 呼叫可從選用較輕量的語音模型、以 SSML 合併短文本、串流播放長音訊,以及快取常用內容等方面入手。重用 HTTP 連線、啟用 HTTP/2 和縮減請求內容亦有助減少延遲;文章稱,部分情況下可把回應時間由數秒降至不足一秒。
Apple 計劃於 2027 年 6 月的 WWDC 發佈首款智能眼鏡,並於年底開始出貨。原型機代號為「N50」,預計不設內置顯示屏,主要透過 Siri 互動,並支援識別建築物、路線導航及翻譯標誌和對話內容。
Apple計劃於2027年6月的WWDC發佈首款AI智能眼鏡,並以年底前上市為目標。產品代號N50,以Siri為核心,支援實時翻譯、導航及語音預訂餐廳、叫網約車等功能。眼鏡須配搭較新款iPhone使用,不支援Android;AI及軟件開發進度仍有延期風險。
ElevenLabs 和 Google Cloud TTS 在語音品質、API、價格、延遲及地區供應方面各有差異,文章逐項比較兩者,並提供程式碼示例。ElevenLabs 支援語音克隆、情緒預設及 WebSocket 串流;Google Cloud TTS 則提供每月 4 M 字元的 WaveNet 免費額度,並可選擇特定地區處理請求。
深度求索(DeepSeek)於 2026 年 11 月 13 日將消費者 App 內的工具開放為 API,可在 deepseek-flash(DeepSeek-V4.1-Flash-1017)的聊天請求中啟用,也可透過獨立 API 使用。
推薦理由:文章分開整理聊天內置工具與獨立 API 的能力、按量價格和資料處理取捨,為評估接入方式及適用情境提供具體依據。
Cirrela 分享其兒童姓名影片如何處理 TTS 發音,透過姓名欄位及按發音拼寫,讓語音讀出孩子的名字。服務涵蓋 en、fr、es、pt、pt-PT、hi、ar、id 八種語言。若姓名仍讀錯,家長可免費更改拼寫一次;系統會按編輯距離限制修改幅度,避免改成另一個名字。
Sarah AI 接待員要説得自然,靠的是逐句反覆調整措辭,而非單靠設定。問候、確認資料、要求補充資訊及結束對話的説法,都會透過實際聆聽測試;對魁北克中小企而言,以客戶熟悉的語言交流也是一種尊重。
語音 AI 的端到端回應延遲已縮短至 150 毫秒到 300 毫秒,但系統仍普遍缺乏判斷何時開口、何時停下的「接話」能力,因而會搶話或冷場。全雙工等研究路線嘗試改善接話判斷,但評測標準、可控性與長時程運行仍帶來問題。
在 UniHack 2026,團隊打造 respirAI,一款引導用戶錄製肺音、由手機上的神經網絡進行初步篩查的低成本數碼聽診器;團隊説明它是篩查輔助工具,並非醫療器材。語音代理在呼叫錄音工具前説「Great!」,令程式誤以為它已説完;團隊改為只計算工具呼叫後開始的語音,並以一秒無聲判定説話完成。團隊亦在代理説話時關閉麥克風,並提供無需硬件的網頁練習模式。