跳到正文
11月11日週三
  1. OpenAI Developers:Blog52

    GPT-Live 四個語音智能體開發案例:Juno 如何改善慢性病患者的健康助手

    Juno 團隊分享以 GPT-Live 建構慢性病患者語音健康助手,利用背景處理記錄與記憶及引導智能體減少對話停頓。團隊表示,交接至文字智能體的次數減少 40%,測試通話中的最長沉默由 9.3 秒降至 3.2 秒。他們先讓 290 名患有慢性病的美國成年人測試聲線,再讓 171 名新參與者比較兩款新聲線與現有聲線;勝出的新聲線獲更多人選為最喜歡,但疲憊日情境下現有聲線略佔優。

  2. OpenRouter:Announcements70

    OpenRouter 示範如何用 Python 搭建語音 AI 智能體

    OpenRouter 的教程示範如何用 Python 搭建餐廳訂位語音智能體,串接語音轉文字、LLM 工具調用與文字轉語音。12 個測試回合的伺服器端首段音訊時間中位數為 1.9 秒;按 2026 年 10 月 8 日測試時的促銷價格估算,四回合對話每分鐘處理語音約 $0.013,TTS 約佔模型成本 90%。

  3. Thurrott48

    Spotify AI DJ 新增英語和西班牙語聲線

    Spotify 為 AI DJ 新增英語和西班牙語聲線選項,並加入關閉歌曲間評論的設定。Premium 用戶可在 DJ 已推出的 75+ 個市場使用新聲線;新增選項包括七種英語聲線和兩種西班牙語聲線。翻譯和評論設定可在 Spotify 手機應用程式的三點選單中選擇。

11月10日週二
  1. CNET51

    Spotify DJ 新增九種聲線及可關閉旁白選項

    Spotify 為 AI DJ 功能新增九種主持聲線,並加入可關閉主持旁白的開關。新增聲線包括七種英語聲線,涵蓋英國、美國、愛爾蘭、澳洲和印度口音,以及兩種墨西哥口音的西班牙語聲線;更新由週二起在現有 DJ 市場推出。關閉旁白後,啟動 DJ 或按 DJ 按鈕切換模式時仍會聽到簡短提示。

  2. Engadget48

    Spotify 為 AI DJ 加入新聲線

    Spotify 為 AI DJ 加入聲線個性選擇及關閉旁白的選項。用戶可在英語聲線中選擇七種個性,或在西班牙語聲線中選擇兩種;關閉旁白後,AI 聲音只會在播放時段開始或用戶要求更換音樂時説話。兩項新功能正向所有提供 DJ 服務地區的 Premium 訂戶推出。

  3. Unite.AI42

    Modulate 獲 Twilio Ventures 等投資,並加快 AI 語音偵測

    Modulate 宣佈獲 Twilio Ventures 和 Kayak 聯合創辦人 Paul English 投資,並提升 Velma 平台的 AI 語音偵測速度。公司稱,最新模型識別 AI 生成語音的中位時間由 2.25 秒降至 1.6 秒,在真實通話評測中的準確率仍高於 99.1%。Velma 亦新增十多種音訊訊號,用於分析來電者及 AI 語音代理的對話表現。

  4. TechCrunch · AI58

    Spotify AI DJ 加入新聲線、個性及減少解説選項

    Spotify 為 AI DJ 加入新聲線與個性選項,並新增減少歌曲間解説的設定,功能由 11 月 10 日起向 DJ 已支援市場的 Premium 用戶推出。新增聲線包括 7 種英文選項及 2 種西班牙文選項;西班牙文聲線取代原有的 Livi,原有聲線 X 則保留。用戶可將歌曲間解説減至只在啟動和關閉 DJ 時提供簡短提示。

  5. DEV Community60

    ClinicLog 如何讓模型加標點,並由程式碼把關文字修改

    ClinicLog 的治療紀錄工具由程式碼把關模型輸出,限定標點流程不得改字,並以規則限制修復流程對逐字稿的修改。修復時不得刪除否定詞,通過的修改會標記供治療師審閲,未通過的行則還原為辨識原文。真實錄音測試顯示,在 4 段希伯來語錄音中,單語模型有 3 段錯誤率較高、1 段打和;作者因此按診所申報語言選擇單語或多語辨識模型。

  6. 阿里雲開發者社區 AI42

    阿里雲語音服務 AI 語音呼叫系統的設計與實現

    文章以阿里雲智能語音交互服務的 RESTful API,示範如何用 Python 建立 AI 語音呼叫系統核心流程,串接 ASR 語音識別、關鍵詞意圖匹配與 TTS 語音合成。示例使用 16kHz wav 音訊,並説明 Token 管理、音訊格式及並發處理等注意事項。此方案適合快速驗證及中小型業務場景。

  7. 新浪科技52

    雷鳥創新為 iO AI 眼鏡接入高德導航,並新增聲紋識別及航班動態

    雷鳥創新為 iO AI 眼鏡推出多項功能更新,接入高德導航,並新增航班動態、聲紋識別及離線翻譯。導航會以 HUD 顯示轉向方向、距離等資訊,偏離路線時自動重新規劃;智能推薦看板則提供實時航班動態和高德打車行程資訊。全天智記新增聲紋註冊、文字選取與複製功能,並在事件總結及日記完成後發送通知提醒查看。

  8. 阿里雲開發者社區 AI50

    如何用阿里雲 CMS 2.0 RUM 排查 AI 語音 WebSocket 建連問題

    本文説明如何用阿里雲 CMS 2.0 RUM 記錄 AI 語音應用的 WebSocket 握手結果與耗時,排查建連失敗;具備端雲追蹤條件時,亦可透過 Trace 關聯服務端處理。方法以一次連線嘗試為採集單位,記錄至首個終態並避免重複上報,再結合用戶會話、App 版本、裝置及網絡環境分析。文中亦提醒,單憑 403 無法判斷具體拒絕原因,需進一步核查診斷證據。

  9. 新浪科技20

    美式豪華轎車上新!新款林肯Z上市:16.99萬元起

    新款林肯Z今日上市,共推出五款配置,官方指導價為23.58‑29.98萬元,11月30日前限時入手門檻低至16.99萬元。新車提供燃油及強混版本,強混版綜合功率234千瓦,綜合油耗5.99L/100km,續航可達885公里。搭載的全新VA4.0語音助手接入大模型,支援連續對話及主副駕分區識別。

  10. Unite.AI56

    Otter.ai 為會議轉錄服務新增 13 種語言,預覽自動語言切換

    Otter.ai 宣佈會議轉錄服務新增 13 種即時可用語言,另有 14 種即將推出,完成後支援語言總數將達 31 種。公司亦預覽多語言模式,讓系統在同一場會議中隨參與者轉換支援語言而轉錄;該功能尚未推出,現時仍須手動選擇語言。新增語言適用於桌面、手機及瀏覽器上的各 Otter 方案,毋須額外付費。

  11. 新浪科技27

    博世旗下 AVONIC 發佈 CamDirector® Voice Tracker 4.0

    AVONIC 發佈 CamDirector® Voice Tracker 4.0,升級包括重新設計的用戶介面、可互動的 Room Canvas、簡化的攝像機配置,以及新增支援 Nureva HDL310 和 HDL410。系統最多可控制 10 台攝像機,並根據陣列麥克風提供的聲源定位資料,自動選擇攝像機追蹤發言人。

  12. 新浪科技53

    Firefox 160.0 穩定版加入本地語音轉文字及 MKV 播放支援

    Mozilla 發佈 Firefox 160.0 穩定版,新增可在裝置端運行的語音轉文字功能,並加入 MKV 檔案播放支援。Web Speech API 語音轉文字支援 40 種語言,MKV 播放相容 FLAC、MP3 和 PCM 音訊編碼。畫中畫播放器新增語音播放速度設定,可在 0.25 倍至 2.0 倍速之間調節;地址欄域名與其餘部分的對比度亦有所提高。

  13. DEV Community21

    Streaming TTS 如何在幕後運作

    Streaming TTS 會將生成的音訊分成小段即時傳送,讓用戶無須等待整段語音完成便可開始播放。流程包括文字預處理、聲學模型生成 mel-spectrogram、vocoder 轉換音訊,以及透過 HTTP/2 或 WebSocket 傳送音訊片段。ElevenLabs 提供支援語音克隆和 SSML 的低延遲串流 API。

  14. DEV Community60

    Windows 電腦本機 Whisper 轉錄指南:硬件要求與輸出檢查

    ClapClip AI 的 Windows 本機 Whisper 轉錄指南,説明如何確認 GPU 是否參與運算,並以五分鐘音訊片段測試硬件和轉錄品質。大型模型需要更多 RAM 和顯示記憶體;比較中型與大型模型時,除計算 WER 外,還要另核對人名、數字和否定詞。指南亦建議停用網絡後重跑片段,並在 Resource Monitor 查看轉錄期間的網絡流量,以檢查離線運作。

  15. DEV Community43

    如何處理 Voice AI API 速率限制與快取

    Voice AI API 的速率限制可能導致語音生成延遲或失敗,快取音訊可減少 API 呼叫。文章以 ElevenLabs 為例,示範使用 Python、Redis 和 JavaScript 設置快取,並建議收到 429 時按 Retry-After 等待及採用指數退避。常見提示詞亦可預先生成音訊,以減少重複生成的成本與呼叫量。