X @OpenAIDevsAI 評分30
GPT-Live-1 可用提示詞定製音色並新增國際預設音色
OpenAI 開發者帳號 @OpenAIDevs 發布指引，介紹如何為基於 GPT-Live-1 建置的應用配上合適的音色：既可以用提示詞來塑造聲音，也可以從新增的國際預設音色中直接挑選。內容面向做語音應用的開發者，屬於簡短的功能提示，未披露模型細節、定價或可用時間。
搜尋
依意思最接近的 30 筆
X @OpenAIDevs● 精選AI 評分61
OpenAI 新增九個語音預設，覆蓋法德印日韓五語
OpenAI 開發者帳號宣布新增九個語音預設，全部由法語、德語、印地語、日語和韓語的母語演員錄製，覆蓋五種語言。官方同步給出 custom voices 入門指南連結，指向 developers.openai.com 的 API 文件，供開發者瞭解如何開始使用。推文未說明音色名稱、可用模型、價格與開放範圍。
llama.cpp releases● 精選AI 評分61
llama.cpp 支援 Pocket TTS 預置音色，無需音色克隆
llama.cpp 建置 b12061 為 Kyutai 的 pocket-tts 模型加入免克隆的預置音色支援，使用者不必提供參考音訊即可選音色。轉換指令碼把官方權重中的音色狀態還原成提示嵌入並寫入 mmproj，服務端在 GET /props 的 voices 欄位列出可用音色，/tts 的 voice 欄位與 --tts-voice 引數用於選擇。未指定音色時預設取第一個預置音色，否則輸出近乎靜音；
X @MistralAI● 精選AI 評分63
@MistralAI: With Pro Voice, we’re also rolling out professional voice adaptation.
Mistral AI 上線 Pro Voice 的專業語音適配功能：使用者錄製最長 30 分鐘音訊，即可高保真復刻自己的聲音。官方稱復刻後的音色可在其支援的所有語言中使用，並強調“極高保真度”。公告未披露該功能的開放範圍、訂閱價格與具體上線時間。
TechCrunch AIAI 評分71
YouTube Music 上線 AI 音樂標籤，標註全 AI 與部分 AI 創作
YouTube Music 週三上線 AI 標籤系統，播放頁會標明歌曲在多大程度上由生成式 AI 參與，標註同樣會出現在 YouTube 主應用。合作方需按 Fully Gen AI、Partly Gen AI、No Gen AI 三檔申報，其中 Auto-Tune 等修音工具歸入 No Gen AI。YouTube 側重披露而非限制，AI 參與本身不影響曲目變現。
TechCrunch AIAI 評分53
Deezer 年內將上線開關，可過濾平台 AI 生成音樂
Deezer 正在開發一個可過濾 AI 生成音樂的開關，預計今年年底前上線，開啟後搜尋結果中不再出現 AI 生成的曲目、專輯和相關藝人。CEO Alexis Lanternier 稱平台上 AI 音樂的激增是推出該功能的原因之一，去年一項調查顯示約 45% 的 Deezer 使用者希望從資訊流中移除 AI 音樂。Deezer 去年已加入 AI 檢測工具，7 月稱其平台每日上傳中 AI 曲目佔比超過 50%，日均約 9 萬首，而此前這一比例為 10%。
TechCrunch AI● 精選AI 評分83
Google 上線 SynthID 網站，任何人都能驗證 AI 生成內容
Google 週二上線 SynthID 驗證網站，任何人可上傳圖片、影片或音訊，檢查是否為 AI 生成。該工具此前只向部分記者、媒體從業者和研究人員開放測試，現已全面開放，支援 JPG、PNG、HEIC、MP4、MP3、WAV 等十餘種格式。SynthID 自 2023 年推出，Google 的 Nano Banana、Veo、Lyria 模型以及 Gemini、Flow、Vids 等生成工具都會為產出加水印，OpenAI、Nvidia、Kakao 也已支援。
The Verge AIAI 評分65
YouTube 為 AI 生成歌曲加註 Made with AI 標籤
YouTube 開始為經 AI「改動或完全生成」的歌曲加上「Made with AI」標籤，即日起上線，做法與其現有的影片 AI 標籤一致。該標籤並非覆蓋音樂製作中的所有 AI 用途，官方舉例包括用生成模型創作作曲與人聲。上傳歌曲的音樂合作伙伴需按規則披露生成式 AI 使用；若未披露，YouTube 稱可能借助「其他訊號」判斷歌曲是否為 AI 生成。
Hacker News front pageAI 評分45
Deezer 稱 44% 上傳曲目由 AI 生成，人類創作出現溢價
BBC 報導稱，AI 生成內容激增正催生所謂「人類溢價」，即人們更看重由人創作的藝術。音樂平台 Deezer 表示，其上傳曲目中 44% 由 AI 生成，調查顯示 97% 的聽眾無法分辨 AI 與人類作品，但超過半數受訪者仍在意創作者是不是人。學界正推動設立類似「公平貿易」的「人類製造」統一標識，已有書籍、電影和專輯封面標註「AI-free」。
X @MistralAI● 精選AI 評分66
@MistralAI: Voxtral Mini TTS 3 achieves state-of-the-art expressiveness in 35+ languages and 50+ dialects.
Mistral 發布語音合成模型 Voxtral Mini TTS 3，官方稱其在 35 種以上語言和 50 多種方言上達到當前最佳的表達力。模型支援隱式指令跟隨，能從對話內容中讀出情緒、語速與重音；也支援顯式控制，用 [emotion=sad][pace=slow] 這類標籤逐行設定情緒和節奏。
Ollama blog● 精選AI 評分79
Ollama 上線語音模型，首發 Phonon 文字轉語音
Ollama 0.40.11 起可直接執行語音模型，首個是 Gradium 的文字轉語音模型 Phonon，目前僅支援 Apple Silicon 的 Mac，Windows 與 Linux 稍後推出。在 M5 Max 的 MacBook Pro 上，其速度比 Gradium 自家執行時快 35%，詞錯率與 Hugging Face Transformers 參考實現持平；可用 --voice 選音色，另有法、德、西、葡等 40M 多語言版本。
The Verge AIAI 評分62
Spotify 過去一年從推薦中移除逾 5000 萬首 AI 垃圾歌曲
Spotify 週二宣布，過去一年已從使用者推薦中移除超過 5000 萬首被判定為 AI 生成垃圾內容或 spam 的歌曲，並調整推薦系統以突出人類藝術家的音樂。官方稱編輯部不會把被識別為 slop 或 spam 的內容編入推薦，調整後聽眾對此類內容的投訴明顯下降。Spotify 尚未強制要求所有 AI 曲目標註，但已推出「AI Persona」徽章。
TechCrunch AIAI 評分45
語音 AI 高管：全雙工已實現，仍未迎來 ChatGPT 時刻
企業語音 AI 平台 PolyAI 的 CTO Shawn Wen 在 HumanX 大會上表示，全雙工模型雖已實現，語音 AI 仍未迎來自己的「ChatGPT 時刻」，下一步的關鍵是讓推理足夠快、對話足夠自然。會議記錄工具 Otter 的 CMO Alex Gay 指出，說話人識別、意圖捕捉並與組織知識結合才是自動化的關鍵，Otter 還在研發可代表參會者的數字孿生。兩人都提到 ASR 模型常漏掉關鍵詞，轉寫不準會讓後續動作全部出錯、使用者失去信任；
Hacker News front pageAI 評分55
Hurston-1 開源 TTS 發布，擅長美國南方與地區非裔英語口音
Hurston-1 以 Apache-2.0 協議開源，這是一個基於 Maya1 微調的窄帶 TTS 模型，主攻美國英語，尤其是南方口音與地區非裔英語，輸出面向電話場景。作者從 2 萬多人處收集了 1800 小時授權語音，本次只取其中 136 小時用於微調。據作者說明，該模型不支援聲音克隆，跨 prompt 的音色也無法保持一致；它已用於 Amazon、Salesforce 等客戶，累計帶來超過 50 萬美元收入。
X @GoogleDeepMind● 精選AI 評分85
SynthID Detector 向所有人開放，可檢測多家 AI 生成內容
Google DeepMind 宣布 SynthID Detector 現已向所有人開放，可用來判斷網上內容是否由 AI 生成。該工具除 Google AI 外，還支援檢測 OpenAI、NVIDIA、Kakao 等行業夥伴工具生成的內容，Apple 即將加入。使用者可通過 synthid.com 試用。
Ars Technica AIAI 評分68
YouTube Music 開始為 AI 生成音樂加標籤
Google 宣布在 YouTube Music 的應用與網頁端為生成式 AI 創作的音樂加上標註，做法沿用今年早些時候在 YouTube 主站給 AI 生成影片加標籤的方案，目前正在陸續推送。Google 並未禁止 AI 音樂，在部落格中稱生成式 AI 為藝術家提供了新的創作、實驗與分享方式，但同時承認使用者希望知道一首歌是否由生成式 AI 工具生成。
TechCrunch AIAI 評分71
Sean Parker 將 Stability AI 轉型為音樂 AI 工具
Napster 聯合創始人 Sean Parker 正把 Stability AI 重塑為面向音樂專業人士的 AI 工具公司。兩年前他參與 8000 萬美元救助這家瀕臨崩潰的影像生成初創公司，如今與 CEO Prem Akkaraju 公布新方向。8 月底公司宣布獲得 7600 萬美元融資，投資方包括索尼、華納和環球，三家還授權曲庫用於訓練。
Hugging Face blog● 精選AI 評分66
AnySpeechRecognizer 為 Apple 語音識別接入 Parakeet 與 Qwen3-ASR
Swift 包 AnySpeechRecognizer 發布，沿用 Apple SpeechAnalyzer 介面但可替換引擎，在裝置端用 Core ML 跑 NVIDIA Parakeet 與阿里 Qwen3-ASR，並新增說話人分離。Qwen3-ASR 覆蓋 30 種語言與 22 種中文方言（含粵語），但每段只給一個最終結果、無逐詞時間戳，速度慢於 Parakeet，更適合轉寫檔案。
Hugging Face blogAI 評分58
ServiceNow 發布 AutoSynthData，為企業 agent 自動生成訓練資料
ServiceNow CoreAI 團隊發布 AutoSynthData，用目標模型的失敗案例和更強教師模型的成功軌跡定位能力缺口，再自動生成並驗證新任務用於後訓練。任務由系統規範、使用者提示和驗證器三部分組成，需滿足可行性、真實性與難度要求，驗證器則要求一致、可靠且不繫結單一參考軌跡。團隊在 EnterpriseOps Gym 資料集上演示了該流程，模型提升後課程會轉向仍難完成的任務。
llama.cpp releases● 精選AI 評分73
llama.cpp server 新增 /tts 語音合成介面
llama.cpp 的 server 在 b11781 建置中加入 POST /tts 端點，可直接為 TTS 模型提供語音合成服務。該端點支援通過 form-data 上傳 speaker_ref 參考音色、向 API 暴露 seed，並補齊 /tts 的路由、文件與 server_schema；mtmd 同時新增音訊輸出流 API。
X @lmstudio● 精選AI 評分66
@lmstudio: Introducing: Read Aloud 🔊
LM Studio 推出 Read Aloud 朗讀功能，由本地小型 TTS 模型驅動。該模型是 GradiumAI 的 Phonon，語音合成在本地完成。官方目前只公布了模型來源，未說明支援的語言、平台、音色數量或可調引數。
X @OpenAIDevsAI 評分20
@OpenAIDevs: A mini DJ instrument prototype built @Raspberry_Pi:
OpenAI 開發者官方帳號展示了一個執行在樹莓派上的迷你 DJ 樂器原型。帖子只配了一句說明，既沒提到所用模型、具體硬體型號與成本，也沒給出開源地址，更沒有說明是否會量產。
llama.cpp releases● 精選AI 評分60
llama.cpp 新增 LiquidAI LFM3-Audio 與 LFM3-Omni 2B 支援
llama.cpp 已合併對 LiquidAI LFM3-Audio-2B 與 LFM3-Omni-2B 兩個音訊模型的支援。轉換指令碼改為按模型自帶的 config.json 讀取，並按 model_type 自動識別；LFM3-Audio 的 depthformer 關閉 flash attention，編碼器卷積與 codec 保持不量化。
Hacker News front pageAI 評分45
PDF TO MP3 上線 MCP 伺服器，用 AI 訂閱把 PDF 轉有聲書
Show HN 上的 PDF TO MP3 提供 MCP 伺服器，讓 Codex、Claude 等 AI 訂閱承擔 PDF 的文件處理，把文件轉成有聲書。用法是新增該 MCP 伺服器地址並完成認證，在對話裡附上 PDF 並要求呼叫它，另需一把 OpenAI 或 Google 的語音 API key；文件處理算在已付費訂閱內，語音生成按用量由 OpenAI 或 Google 單獨計費。
TechCrunch AIAI 評分42
前 Plaud 高管為後臺聆聽型 AI 應用融資 2600 萬美元
前 Plaud 高管創辦的 AI 應用公司完成 2600 萬美元融資，該應用的核心能力是在後臺持續收聽使用者。原文稱，其思路延續科技公司的主張：AI 瞭解一個人越多，就越能協助任務並給出合適建議，而這要求應用與裝置持續聆聽、觀看或記錄使用者活動以收集上下文。報導未提及產品名稱、上線時間與具體功能。
X @OpenAI● 精選AI 評分77
OpenAI 推送 GPT-Live-1.1，ChatGPT 語音新增六種語言
OpenAI 為 ChatGPT、Codex 和 dots 的語音功能推送 GPT-Live-1.1，新增法語、德語、印地語、墨西哥西班牙語、韓語和日語的新語音，口音更自然，並減少了「checking...」這類停頓。該更新今日起向所有使用者推送，API 稍後支援。
Hacker News front pageAI 評分71
Aria 微調後可按指定爵士鋼琴家風格續寫
研究者在鋼琴 MIDI 上預訓練的 transformer Aria 上做微調，用 12 位爵士鋼琴家的獨奏資料並插入門控交叉注意力層，讓模型按指定鋼琴家風格續寫。用鋼琴家分類器沿生成片段滑動判定，帶條件的續寫有 70% 被認成目標鋼琴家，不帶條件只有 37%，隨機為 8%，而困惑度幾乎分不出兩者（6.82 對 6.96）。僅在生成音樂上訓練的第二個分類器識別真實錄音的準確率達 95%，模型還可標出真實演奏中風格最集中的段落。
X @OpenAIDevsAI 評分46
Codex 向 Pro 使用者開放 composer 預測功能
OpenAI 為 Codex 的 Pro 使用者推出 composer 預測功能 beta 版：Codex 會依據當前對話內容以及使用者平時的說話方式，建議下一條要傳送的訊息。該功能目前僅面向 Pro 使用者開放，官方稱這是內部測試中最受喜愛的新功能之一。原文未提及價格、額度變化或正式版上線時間。
Ollama releasesAI 評分43
v0.40.9-rc3 支援 Gradium Phonon 正式版檢查點
v0.40.9-rc3 將 Gradium Phonon 的預發布檢查點路徑替換為 GA 正式格式，並加入預設音色匯入與語音條件控制。該版本把最低版本要求設為 0.40.9，更新語音文件，並測試匯入、推理配置以及拒絕舊檢查點。
機器之心● 精選AI 評分85
Google DeepMind 發布 Genie 4：可即時互動，首次原生生成音訊
Google DeepMind 發布世界模型 Genie 4，支援用鍵盤操控角色與鏡頭，並用自然語言即時改變天氣、新增物體，是該系列首個原生生成即時音訊的版本。Gemini 深度參與模擬：Gemini Omni 提供真實世界視覺與行為知識，Gemini 3.8 Flash 負責拆解任務、逐步檢查並調整計劃，Google 稱這一方向為混合世界模型。