跳到正文

#语音

今日 1 条
10月9日周五
10月8日周四
10月7日周三
  1. Testing Catalog52

    Sesame 更新语音代理使其拥有独立计算机

    Sesame 发布移动端语音助手新预览,其语音代理拥有独立计算机并可连接 Google 应用与用户 MCP。用户可免提指挥代理规划任务并后台执行,代理还能协调其他代理与使用工具。该公司同时披露 2027 年推 AI 眼镜,将框架、智能与角色作为一体设计。

10月6日周二
  1. AWS Machine Learning Blog51

    如何使用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Nova Sonic 构建语音旅行礼宾员

    该教程展示如何使用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova 2.5 Sonic 为航空应用构建语音旅行礼宾智能体。架构通过 MCP 将智能体后端解耦,支持实时语音改座、政策问答与人工转接。代码置于 aws-samples GitHub 仓库,模块可复用。

  2. The Verge · AI43

    Amazon Alexa Plus 出现持续重复“lalala”的 Bug

    Amazon Alexa Plus 出现 Bug,导致部分 Echo 智能音箱在对话中持续数分钟重复说或唱“lalala”,且系统对此行为毫无察觉。该问题在过去几周被 Reddit 用户多次报告,涉及多种 Echo 音箱型号。Amazon 确认这是影响少数用户的 Bug,目前修复方案正在开发中。

  3. IT之家71

    索尼音乐 9 月要求下架 26 万首 AI 伪造歌曲:阿黛尔等艺人被冒充,请求量较 3 月近乎翻倍

    索尼音乐娱乐要求数字平台在9月底前下架超过26万首AI生成冒充艺人的曲目,几乎是3月底13.5万首的两倍。这些深度伪造曲目利用生成式AI模仿声音与形象,针对阿黛尔等艺人,索尼称流媒体欺诈年损失高达22亿美元。法国Deezer今夏披露其平台日均上传9万首AI歌曲且85%欺诈播放。

  4. IT之家67

    为防范 AI 深度伪造,意大利总理梅洛尼申请将自己的声音注册为商标

    意大利总理梅洛尼已向欧盟知识产权局(EUIPO)提交申请,希望将自己的声音注册成为商标,用以防范 AI 生成的深度伪造内容。申请日期为 10 月 5 日,材料中附有一段 4 秒录音,她用意大利语重复两遍“我是焦尔吉娅 · 梅洛尼”,目前申请仍处于审核阶段;意大利媒体报道称,即便获批,单凭这一商标权也无法完全阻止他人用她的语音制作 AI 深度伪造音频,只能给造假者增设法律障碍。

  5. The Verge · AI26

    Gemini Call for Me 功能或扩展至亲友通话

    Google 的 Gemini Call for Me 功能可能扩展至亲友通话,支持发送如“告知妈妈晚到 15 分钟”等简短语音消息。Android Authority 在 APK 拆解中发现相关界面及细粒度权限设置,允许用户选择 Gemini 可访问的应用能力。目前该功能扩展及设置细节尚未正式公开,Google 可能不会发布此更新。

10月5日周一
  1. IT之家24

    倍思 MC2 NC 降噪耳夹耳机发售:12mm 动圈、-50dB 降噪,783 元(国补后 598 元)

    倍思 MC2 NC 降噪耳夹耳机在京东发售,定价 783 元,部分地区国补后低至 598 元。该耳机内置 12mm 碳纤维三磁路动圈,支持 LDAC 协议,结合气垫物理隔音与 ANC 芯片实现 -50dB 降噪深度,单耳重 5.9g 并获 IP67 认证。此外,其接入豆包、通义千问及 DeepSeek 模型,提供 AI 录音转写、实时助答与同声传译等功能。

10月3日周六
  1. IT之家64

    Suno 推出 Speech 语音功能,可将语音与音乐作为单一音轨共同生成

    AI 音乐制作平台 Suno 宣布推出 Speech,将语音与音乐作为单一连贯音轨端到端生成,现已面向所有用户开放公测。该功能直接内置于 Suno,用户输入灵感、诗或一段文字并描述音色与音乐风格即可创作带 BGM 的语音音频,官方称其不同于先做 TTS 再拼接 BGM 的传统工作流。官方同时指出 Beta 版偶发口音不稳定,语调与情感停顿有时显得过于戏剧化。

10月2日周五
  1. IT之家37

    Meta 雷朋 Display 眼镜 2026 年下半年更新:优化导航、支持通知控制及 Hologram 虚拟化身

    Meta 公布雷朋 Display 眼镜 2026 年下半年大型更新,主要改进导航体验、通知功能及视频通话。导航新增骑行和公共交通模式,语音提示结合环境描述;用户可自定义关闭特定类型通知。此外,计划向美国 Early Access 用户推送 Hologram 虚拟化身,首批支持 WhatsApp 视频通话,并加入“Explore”应用推荐第三方 Web 应用。

  2. MiniMax 动态54

    MiniMax 发布语音大模型 Speech 2.8,支持原生语气词与 10 秒音色克隆

    MiniMax 正式推出语音大模型 MiniMax Speech 2.8,首次实现原生语气词支持,并升级了音色克隆、音质与跨语言合成。仅需 10 秒原声片段即可克隆音色,新模型消除了背景杂音与机械毛刺感,并率先修正中文音色合成日语时的发音偏移。该模型已全面上线 MiniMax 开放平台与 MiniMax Audio,一个音色支持 40+ 种语言。

  3. MiniMax 动态74

    MiniMax 发布全模态生成模型 H3

    MiniMax 正式发布全模态生成模型 H3,支持对文本、图像、视频、声音组成的多模态上下文统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3,768P 下约为主流模型 720P 的 1/2。MiniMax 计划在未来几天内在符合相关法律法规的前提下开放模型权重,并称 H3 设计初期已考虑多款现有国产芯片的兼容性。

    推荐理由:官方给出全模态生成的预训练任务划分与三项关键技术取舍,可看清视频模型从专用走向任务统一的路线。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有