意大利總理梅洛尼申請將自己的聲音註冊為商標，以防範 AI 深度偽造
意大利總理焦爾吉婭·梅洛尼向歐盟知識產權局提交申請，擬將自己的聲音註冊為商標，以防範 AI 生成的深度偽造內容。申請日期為 10 月 5 日，材料附有一段 4 秒錄音，梅洛尼以意大利語重複説出自己的姓名兩次。申請仍在審核；報道指出，即使獲批，商標也不能完全阻止他人製作其 AI 深度偽造音訊，但可增加造假者面對的法律障礙。
#語音
#語音
今日 38 條IT之家AI 評分6666 ElevenLabs：BlogAI 評分1616 ElevenLabs Blog 第 2 頁文章列表
ElevenLabs Blog 第 2 頁收錄 9 月 23 日至 10 月 5 日刊出的文章，涵蓋 Eleven v4、語音智能體、轉錄及 API 等主題。內容亦包括 Eleven v4 Turbo 現已可在 ElevenAgents 使用，以及 ElevenLabs 在荷蘭和比利時推出服務的消息。
ElevenLabs：BlogAI 評分5252 ElevenLabs 與烏克蘭合作建設全球首個智能體政府
ElevenLabs 與烏克蘭政府簽署諒解備忘錄，合作推動 AI 公共服務由概念走向部署。教育部團隊正開發 Mriia 個人化 AI 導師應用程式，經濟部則把智能體整合至 Obriy，醫療領域運用語音技術減少行政工作。烏克蘭數碼轉型部計劃於 2030 年前成為 AI 公共服務應用的領先者，並以 Diia.AI 踏出第一步；該平台是全球首個公共服務智能體應用程式及平台。
ElevenLabs：BlogAI 評分2626 Harvey 與 ElevenLabs 合作，為法律界打造多語語音能力
Harvey 與 ElevenLabs 合作，為法律界打造全球化多語語音能力，讓 Harvey 能以數十種語言、方言或口音自然溝通。合作以 ElevenLabs 的 Text to Speech 和 Speech to Text 為基礎，首階段讓 Harvey 幾乎可用任何語言或方言以語音提供答案。
ElevenLabs：BlogAI 評分6161 ElevenLabs 發佈 Scribe v2 Realtime 即時語音轉文字模型
ElevenLabs 發佈 Scribe v2 Realtime，即時語音轉文字模型可在低於 150 ms 內轉錄語音，面向語音智能體、會議助理及即時字幕等場景。
ElevenLabs：BlogAI 評分3535 ElevenLabs 歡迎 Matthew McConaughey 成為新投資者
Matthew McConaughey 已投資 ElevenLabs 數年，並將以創作者身份把電子通訊 Lyrics of Livin’ 擴展至由 ElevenLabs 支援的西班牙語版本。相關故事和內容將以他的聲音提供西班牙語音訊，觸及更廣泛受眾。
ElevenLabs：BlogAI 評分5353 MasterClass 透過 ElevenLabs 為 AI 講師加入即時語音互動
MasterClass 與 ElevenLabs 合作，讓用戶可在 MasterClass On Call 與 Gordon Ramsay、Mark Cuban 等講師的 AI 版本進行即時語音對話。
ElevenLabs：BlogAI 評分5858 ElevenLabs 推出 Scribe v2，支援大規模音訊轉錄與字幕製作
ElevenLabs 推出 Scribe v2，面向大規模批量轉錄、字幕製作及字幕生成，並提升對長篇、複雜錄音的處理穩定性與準確度。Scribe v2 在業界標準基準測試中錄得最低詞錯誤率，支援最多 100 個詞語或短語的關鍵詞提示，以及涵蓋最多 56 個類別、附精確時間戳的實體偵測。
ElevenLabs：BlogAI 評分3131 Audi Revolut F1 Team 與 ElevenLabs 探索 AI 音訊及語音技術合作
Audi Revolut F1 Team 與 ElevenLabs 合作探索 AI 音訊及語音生成技術，期望支援車隊溝通和連繫全球車迷。雙方正探討相關技術如何支援賽道上的車隊，並透過數碼平台和體驗，讓世界各地車迷以新形式體驗及連繫這項運動。
ElevenLabs：BlogAI 評分6363 Eleven v3 結束 Alpha 階段，現已在所有平台正式提供
ElevenLabs 的 Eleven v3 文字轉語音模型已結束 Alpha 階段，現已在所有平台正式提供。內部基準涵蓋 8 種語言、27 個類別，模型錯誤率由 15.3% 降至 4.9%，減少 68%。測試中，用戶有 72% 的情況偏好新版本；模型處理數字、符號及專門記法的準確度亦有所提升。
ElevenLabs：BlogAI 評分5454 Revolut部署 ElevenLabs Agents，擴展英國及歐洲語音客服
Revolut在英國及歐洲部署 ElevenLabs Agents，作為第一線語音客服，服務範圍擴至逾 400 萬名客戶。首階段部署令問題解決時間縮短逾 8 倍，智能體處理的來電中逾 99.7% 成功完成。智能體支援逾 30 種語言並可即時偵測及切換語言，Revolut亦保留編排及業務邏輯控制。
ElevenLabs：BlogAI 評分4747 Klarna 透過 ElevenAgents 將問題解決時間縮短 10X
Klarna 在美國推出以 ElevenAgents 建構的語音 AI 智能體，作為電話支援第一線；查詢由智能體處理時，解決速度快至 10x。服務供美國 35 million 名 Klarna 客戶使用，智能體可處理資訊查詢，並在有需要時轉交人工客服。Klarna 計劃將服務擴展至全球，目標涵蓋 114 million 名客戶。
ElevenLabs：BlogAI 評分7171 ElevenLabs 完成 $500M D 輪融資，估值達 $11B
ElevenLabs 完成 $500M D 輪融資，估值達 $11B，並由 Sequoia Capital 領投。公司 2025 年底的 ARR 超過 $330 million；此輪使其自 2022 年成立以來的五輪融資總額達 $781 million。
ElevenLabs：BlogAI 評分3737 ElevenLabs 擴展西班牙業務
ElevenLabs 今日在馬德里開設辦事處，並擴大西班牙業務，擴充本地銷售及工程團隊。eDreams ODIGEO（eDO）使用 Eleven Agents，以五種語言處理數以百萬計的客戶支援互動，並在問題解決速度及轉接率方面取得雙位數改善。
ElevenLabs：BlogAI 評分5858 ElevenLabs 推出教授語音 AI 支援計劃及 Einstein 互動學習體驗
ElevenLabs 推出教授語音 AI 使用計劃，並推出以 Einstein 的聲音和作品為基礎的互動學習體驗。教授可免費使用 Pro tier，並可為特定課程和項目向學生提供限時使用權限。重現後的 Einstein 聲音可在 ElevenReader 聆聽；基於 ElevenLabs Agents 的互動體驗則支援用戶即時提問和探索科學概念。
ElevenLabs：BlogAI 評分7474 ElevenLabs ARR 超過 $500M，並迎來 BlackRock、NVIDIA 等新投資者
ElevenLabs 宣佈 ARR 在 2026 年首四個月已超過 $500 million，並完成 Series D 第三次交割，迎來 BlackRock、NVIDIA（透過 NVentures）等新投資者。
ElevenLabs：BlogAI 評分5050 ElevenLabs Voice Library 創作者累計收入逾 $22 million
ElevenLabs 表示，Voice Library 創作者累計收入六個月內由 $11 million 增至逾 $22 million。平台現有 10,400+ 名創作者，Voice Library 收錄 32 種語言的聲音，涵蓋數十種口音和風格。創作者可設定授權用途、價格級別及最長兩年的通知期，收益按使用量和所訂條款計算，亦可更新條款、限制用途或移除聲音。
ElevenLabs：BlogAI 評分6262 ElevenLabs 推出 Dubbing v2，讓多語言配音保留原始表演
ElevenLabs 推出 Dubbing v2，直接以原始表演作為條件，將説話者的語調、語氣、節奏和情感意圖延續至 90+ 種語言。其同步感知翻譯系統會自動對齊內容的起始、結束位置和節奏，減少手動調整。
ElevenLabs：BlogAI 評分5151 ElevenLabs 與希臘政府建立戰略合作，探索語音 AI 在公共服務、旅遊及方言保存中的應用
ElevenLabs 與希臘政府建立戰略合作，將探索語音 AI 在公共服務、旅遊及希臘語言文化遺產保存方面的應用。公共服務方向包括政府呼叫中心及 gov.gr，該平台現提供超過 2,200 項服務；旅遊方向涉及官方旅遊網站 Visitgreece.gr 及新的旅遊平台。
ElevenLabs：BlogAI 評分6565 ElevenLabs 在 ElevenCreative 推出 Flows Agent
ElevenLabs 在 ElevenCreative 推出 Flows Agent，讓用戶以對話描述創作需求，由智能體建立、連接並執行工作流程。它會選擇合適模型、建立及連接節點，並在生成前確認影片長度、語氣和結構；啟用 Assist mode 後，高成本生成須經用戶確認。
ElevenLabs：BlogAI 評分5555 ElevenLabs 與英國政府簽署合作備忘錄，探索語音 AI 公共服務應用並擴大倫敦總部
ElevenLabs 與英國科學、創新及科技部（DSIT）簽署合作備忘錄，探索以語音 AI 改善公共服務，並深化 AI 安全研究及英國語音與音訊 AI 人才培育。
ElevenLabs：BlogAI 評分5151 ElevenLabs 擴大加州業務，創造 173 個高薪職位
ElevenLabs 宣佈擴大加州業務，將在全州增聘 173 人，涵蓋研究、工程、銷售等高薪職位，並投入數百萬美元。公司獲 California Competes Tax Credit（CalCompetes）計劃提供獎勵，並計劃與加州政府探索以語音 AI 提升公共服務的可及性；公司亦參與州長打擊科技促成詐騙的專責小組。
ElevenLabs：BlogAI 評分4444 ElevenLabs 正式在加拿大開展業務
ElevenLabs 正式在加拿大開展業務，並加大對當地團隊及實體據點的投資。公司委任 Max Lemmens 為加拿大總經理，計劃今年將團隊擴大至目前規模的兩倍，並在多倫多開設首間加拿大辦公室。ElevenLabs 在加拿大已有 30,000 名用戶。
ElevenLabs：BlogAI 評分6060 ElevenLabs 以語音 AI 支援選舉資訊服務並加強防濫用措施
ElevenLabs 正在 2026 年選舉週期與選舉機構及民間組織合作，以語音 AI 擴大選民取得官方資訊的途徑，並防範技術遭濫用。巴西最高選舉法院（TSE）將為「選舉助理」加入語音介面，讓民眾透過語音查詢其網站、App 和 WhatsApp 頻道資訊；ElevenLabs 亦會培訓 Comprova 合作夥伴使用 AI Speech Classifier 等檢測工具。
Zyphra ResearchAI 評分5858 Zyphra Research 發佈 Zonos-v0.1 beta，開源兩款 1.6B TTS 模型
Zyphra Research 發佈 Zonos-v0.1 beta，開源兩款採用 Transformer 與 SSM hybrid 架構的 1.6B TTS 模型，授權為 Apache 2.0。
Zyphra ResearchAI 評分5959 Zyphra 發佈 ZONOS2 即時文字轉語音模型，支援高保真聲音複製
Zyphra 發佈採用 Apache 2.0 授權的即時文字轉語音模型 ZONOS2，支援高保真聲音複製。模型採用 MoE 架構，規模由前代的 1.6B 增至 8B，即時生成吞吐量較前代提升 4x，並支援最長一分鐘的多語言及語碼轉換語音生成。ZONOS2 提供 stable 和 expressive 兩種模式，分別側重乾淨輸出，以及聲音複製的自然度與保真度。
Suno：Blog精選AI 評分7777 Suno 發佈 v5.5，新增 Voices、Custom Models 和 My Taste
Suno 發佈 v5.5，並推出 Voices、Custom models 和 My Taste，加入以用戶聲音、原創音樂及音樂偏好為基礎的個人化功能。
推薦理由：更新把個人化分為歌聲、原創曲目調校和偏好學習三條路徑，也交代各功能面向哪些用戶開放。
Liquid AI 模型與工程博客AI 評分6363 Liquid AI 發佈 LFM2-Audio-1.5B 端到端音訊基礎模型
Liquid AI 發佈 LFM2-Audio-1.5B，這款 1.5B 參數模型支援音訊與文字輸入及生成。模型在 VoiceBench 九項音訊互動基準的總分為 56.78，ASR 基準平均詞錯誤率為 7.24。以 4 秒輸入波形測試，平均端到端延遲低於 100 ms；Liquid AI 亦提供 Python 套件及語音對話應用參考實作。
Suno：BlogAI 評分5151 Suno Voices：提升人聲品質的 6 個技巧
Suno 分享了使用 Voices 製作高質素人聲的 6 個技巧，涵蓋安靜錄音、事前練習及按曲風配搭聲線。可行的話，建議錄製至少一分鐘的人聲參考；較長錄音能讓 Suno 學習更多內容，令整首曲目的人聲結果更一致。Voices 現已可在 Web、iOS 和 Android 使用，並提供免費試用及付費方案。
Cohere 產品與研究博客AI 評分6363 Cohere 發佈開源語音辨識模型 Transcribe，平均 WER 為 5.42%
Cohere 發佈開源語音辨識模型 Cohere Transcribe，在 Hugging Face Open ASR Leaderboard 以 5.42% 平均 WER 排名第一。
ElevenLabs：BlogAI 評分7070 ElevenLabs 完成 $300 million 員工股份要約交易，估值升至 $22 billion
ElevenLabs 完成 $300 million 員工股份要約交易，公司估值達 $22 billion，為其 2 月 Series D 時估值的兩倍。公司稱，企業業務現佔收入 55%；ElevenAgents 每週處理逾 15 million 次對話，較 2 月增加 3x，同期 ARR 增長逾 3x。
ElevenLabs：BlogAI 評分7070 ElevenLabs 發佈 Eleven v4 與 Eleven v4 Turbo 文字轉語音模型
ElevenLabs 發佈 Eleven v4 文字轉語音模型及低延遲版本 Eleven v4 Turbo，兩者均支援 90 多種語言。Eleven v4 可按語氣、節奏、情緒、角色和上下文生成語音，並改善多説話者對話、聲音克隆及跨語言口音保留。Turbo 的中位推理延遲約 100ms，兩款模型現已可透過 ElevenAgents、ElevenCreative 和 ElevenAPI 使用。
Suno：BlogAI 評分6767 Suno 開放 Speech beta，生成語音與音樂融合音軌
Suno 開放 Speech beta，這款音訊模型可將生成語音與音樂整合為同一音軌。用戶輸入構想、詩作或文字，再描述所需的聲線與音樂風格，即可創作配有原創背景音樂的口述音訊。Speech 過去一個月曾由小羣用戶測試，現向所有人開放 beta；Suno 將繼續根據社羣回饋改進。
小米 MiMo：官網發佈與博客AI 評分5858 小米發佈 MiMo-V2.5-TTS 語音合成模型系列
小米發佈 MiMo-V2.5-TTS 系列語音合成模型，涵蓋預設聲線、按文字描述設計新聲線，以及以參考音訊複製聲音三種用途。系列支援自然語言風格指令、行內音訊標籤和劇本式結構輸入；聲音複製只需短音訊樣本，無須額外訓練、標註或微調。三款模型限時免費開放於 Xiaomi MiMo API 平台，整合技能已開源於 GitHub 倉庫 XiaomiMiMo/MiMo-Skills。
小米 MiMo：官網發佈與博客AI 評分5959 小米 MiMo 發佈開源語音辨識模型 MiMo-V2.5-ASR
小米 MiMo 發佈開源語音辨識模型 MiMo-V2.5-ASR，支援中英雙語、中文方言、語碼轉換、歌詞辨識、噪音環境及多説話者場景。頁面列出多項公開及內部基準測試結果，MiMo-V2.5-ASR 在 Open ASR Leaderboard 的英文辨識平均 WER 為 5.73（WER 越低越好）。模型採用大規模中期訓練、高質素監督式微調（SFT）及強化學習（RL）算法。
Baseten 工程博客AI 評分6060 NVIDIA Nemotron 3 Diarization 以每小時音訊 1 美仙提供即時説話者標記
Baseten 已在 Hugging Face 和 Baseten Model Library 提供 NVIDIA Nemotron 3 Diarization 的批次、串流及即時説話者標記轉錄預設。
NAVER / CLOVA 研究AI 評分5757 NAVER Cloud 介紹 Sommelier 全雙工語音 AI 數據流程
NAVER Cloud 的 Sommelier 論文於 ACL 2026 發表，提出供全雙工語音語言模型使用的多輪音訊預處理流程。Sommelier 開源流程包含説話者及發言時間標記、重疊語音還原，以及多個語音辨識模型輸出的交叉校驗。團隊以 83 小時對話資料進一步訓練全雙工 Moshi，插話內容回應評分由 0.765 升至 3.684，短回應頻率由 0.001 升至 0.052。
字節 Seed：Research FeedAI 評分6262 Seed Audio 1.0 音訊創作模型發佈，支援多要素統一生成
字節 Seed 發佈音訊創作模型 Seed Audio 1.0，以統一框架生成對白、音效及環境聲，並支援按時間線控制聲音進場。模型支援 100ms 間隔精度的時間控制、參考音訊延展生成及 20+ 種語言；單次可生成約 2 分鐘音訊，並可繼續延長。Seed Audio 1.0 已在火山方舟體驗中心上線。
IT之家AI 評分3636 阿里千問 AI 耳夾式耳機上架開放預約：Bose 調音，支援 89 種語言翻譯
阿里千問 AI 耳夾式耳機已在電商平台上架並開放預約，售價暫未公佈。耳機由 Bose 調音，耳機續航 9 小時，配合充電盒可達 40 小時。它支援 89 種語言 AI 翻譯，並提供錄音即時轉寫、離線本地錄音及 92 種語言轉寫紀要。
IT之家AI 評分2727 倍思 MC2 NC 降噪耳夾耳機發售：12mm 動圈、-50dB 降噪，783 元（國補後 598 元）
倍思旗下 MC2 NC 降噪耳夾耳機已在京東發售，定價 783 元，部分地區國補後低至 598 元。耳機配備 12mm 碳纖維三磁路動圈，降噪深度達 -50dB，配合充電盒續航最高 60 小時（關閉降噪）。另接入豆包、通義千問及 DeepSeek 模型，提供 AI 錄音轉寫、即時助答及同聲傳譯功能。