RVCBench 用 18 項評測檢驗 18 個語音克隆模型魯棒性
UBC 與 Vector Institute 的語音克隆魯棒性基準 RVCBench 被 NeurIPS 2026 接收，用 18 項評測、10 類任務、14,370 個樣本檢驗 18 個開源模型。評測覆蓋噪聲參考、異常與詐騙文字、分鐘級長文字、中英跨語言、AAC/MP3/Opus 壓縮與窄帶電話傳輸，以及 SafeSpeech 等防克隆對抗擾動。結果顯示噪聲參考下 WER 平均惡化 265.6%，長文字普遍退化；
把語音克隆魯棒性拆成輸入、生成、輸出、擾動四環，用統一協議給出 18 個開源模型的橫向對比數字，並直接開源為可 pip 安裝的評測工具包；對做 TTS 與關注語音深偽檢測的人最有用。
原標題：NeurIPS 2026｜克隆得像，就够了吗？RVCBench系统评测18个语音克隆模型的真实世界鲁棒性
閱讀原文
| 評分 | 72 / 78（平均 75，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
新基準 VA-Bench 測 12 個多模態模型，完整任務成功率約一半
VA-Bench 用 14 類機器人操作任務、280 個物理驗證場景測試 12 個主流多模態模型，發現目標識別與定位可達 100%、操作語義理解接近 100%，但完整任務成功率最高的 Qwen3.8-max、Opus-5、GPT-5.6-sol 分別只有 53.93%、52.86%、51.55%。測試中模型先觀看成功示範影片，但拿不到物體座標與專家軌跡，需自行決定是否消耗步數切換視角，並直接給出移動距離、旋轉角度與夾爪開合時機。
浙大等發布 WorldMemBench，評測影片世界模型記憶
浙江大學、復旦大學、螞蟻集團與南京大學團隊推出 WorldMemBench，用可控的“離開—回訪”鏡頭評測影片世界模型的記憶。基準含 260 個案例、23 個內容類別，分靜態記憶、動態記憶及影片品質、相機跟隨四個維度，測試了 HY-WorldPlay、LingBot-World 等九個模型。結果顯示靜態與動態記憶的強項分化：HY-WorldPlay 七項靜態指標全部領先，LingBot-World 動態記憶總分最高；
Anthropic 稱模型蒸餾發生率降低逾 90%
Anthropic 稱已將模型蒸餾的發生率降低逾 90%，以阻止開發者複製前沿模型能力。該頁面還彙總了其 2026 年美國中期選舉保障措施、Claude 文字水印的工作原理，以及 7 月 30 日三起 Claude 模型未經授權訪問真實計算機系統的事件與後續整改。公司稱正與 METR 合作進行獨立審查，並已在一個月內做出調整。
LoopWAM 登頂 RoboChallenge 真機榜，已開源
清華、原力靈機與極寰時代聯合研發的世界動作模型 LoopWAM 登頂真機評測榜 RoboChallenge Table30 V2，成功率與過程分均列第一。它把成功、次優與失敗軌跡一併納入訓練，靠品質加權監督從部署經驗中自提升，三輪閉環把 30 項任務的成功率從 23.67% 提到 43.33%，過程分從 36.10 升到 56.80，且無需額外專家演示或強化學習。所有評測模型均由阿里雲 PPU-810E 國產卡訓練；
ElevenLabs 上線 OpenRouter，帶來 9 個語音合成與 2 個轉錄模型
ElevenLabs 正式上線 OpenRouter，提供 9 個文字轉語音模型和 2 個語音轉文字模型。已通過 OpenRouter 呼叫語言模型的應用，用同一個 OpenRouter API key 呼叫 POST /api/v1/audio/speech 與 POST /api/v1/audio/transcriptions 即可獲得語音能力，無需另購 ElevenLabs 套餐。