跳到正文
11月17日週二
  1. TechCrunch · AI42

    Jordan Belfort 的 AI 語音初創公司 Tone,想以「華爾街之狼」式銷售

    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。

  2. Engadget53

    Google 為 Gemini 加入 66 種地區口音

    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。

11月16日週一
  1. 新浪科技41

    漫步者推出花再 Halo PixelBar AI 桌面音箱,售價 699 元

    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。

  2. DEV Community71

    Hearth 以 Ollama 運行的家用 AI 助理測試資料是否離開電腦,發現 Python 記錄漏掉 FFmpeg 連線

    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。

  3. DEV Community53

    DIY 純人聲音軌為何聽起來不穩,哪些方法真正有效

    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。

  4. 新浪科技37

    KTC VMAX 全感知智能體主機上市,配備 VMAX GO 隨行屏

    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。

  5. DEV Community45

    時間拉伸解析:如何在不改變音高的情況下改變速度(附 Python 範例)

    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。

  6. DEV Community35

    小型企業 AI 語音智能體能做甚麼、不能做甚麼

    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。

  7. 新浪科技21

    吉利銀河M8即將登場,首款旗艦大五座SUV尺寸看齊銀河M9

    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。

  8. 阿里雲開發者社區 AI40

    AI外呼選型:先把合規前置,再談場景匹配

    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。

  9. 阿里雲開發者社區 AI37

    AI 外呼選型的量化邏輯:語音互動指標如何配合部署架構

    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。

  10. 阿里雲開發者社區 AI42

    SmartCall 如何為 AI 呼叫中心擴展自訂端對端語音模型

    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。

  11. Engadget57

    Apple Notes 在 iPhone 上除記筆記外的 10 種用途

    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。

  12. DEV Community35

    聲音克隆如何改變內容創作

    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。

  13. DEV Community33

    如何優化 ElevenLabs API 呼叫以提升效能

    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。

  14. DEV Community31

    ElevenLabs 與 Google Cloud TTS:開發者比較

    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。

  15. DEV Community78

    深度求索(DeepSeek)將 App 內工具開放為 API,涵蓋搜尋、檔案及語音

    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。

11月15日週日
  1. DEV Community39

    Cirrela 如何讓 AI 語音正確讀出孩子的名字

    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。

  2. 新浪科技35

    從搶話到冷場,AI 離自然對話還差甚麼?

    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。

  3. DEV Community57

    respirAI 團隊分享週末打造會説話的數碼聽診器,以及「Great!」錯誤的修復過程

    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。