ElevenLabs 是一家专注于 AI 语音克隆和文本转语音 API 的初创公司，近日宣布推出用户可以构建完整对话式AI智能体的新功能。用户现在可以在 ElevenLabs 的开发者平台上，依据自己的需求，定制对话智能体的多种变量，比如语音语调和回复长度。ElevenLabs 过去主要提供不同的语音和文本转语音服务。公司增长主管 Sam Sklar 在接受 TechCrunch 采访时表示，许多客户早已在使用该平台创建对话式AI智能体。但在集成知识库和处理客户中断方面是最大的挑战。因此，ElevenLabs 决定构建一个完整的对话机器

Google 正式在苹果 App Store 上线全新的 Gemini 应用，并推出语音交互功能 Gemini Live，这标志着智能语音助手领域的一次重大突破。与此同时，苹果计划将 OpenAI 的 ChatGPT 整合到 Siri 中的消息，也预示着这一领域的竞争正在加剧。作为 Google 在 2023 年推出的 Bard 的升级版本，Gemini 是 Google 对 OpenAI ChatGPT 的有力回应。这款应用不仅具备面试准备、旅行建议和创意头脑风暴等多样化功能，更通过 Gemini Live 实现了更自然的语音交互。值得注意的是，Android 用户已在今年 8 月获得了优先体验权。相比亚马

近日，谷歌推出了一款全新的 AI 语音助手 Gemini Live，该助手允许用户进行更自然的对话，并且支持10种语言。最初，Gemini Live 只对付费用户开放，但现在所有 iOS 和 Android 用户均可免费下载和使用。用户可以通过该应用程序体验到更为流畅的人机交互，打破了传统语音助手的局限。Gemini Live 的特色在于它能进行多轮对话，可以在对话中随时打断，并且支持用户在不同的时间点回访之前的对话内容。用户只需在各自的应用商店中下载 Gemini 应用，并确保应用为最新版本。如果在应用界面底部左

近日，Play AI 正式推出其最具雄心的产品 ——PlayDialog beta版本，能生成对话式的播客音频。这款端到端的 AI 语音模型，利用对话的历史上下文，能够调控语调、情感和语速，以实现更自然的语音合成，标志着人机对话的新高度。PlayDialog 特别适合于制作真实的对话体验，例如旁白、语音配音、合成播客等，也能在商业环境中提供沉浸式的一对一语音交流体验，效果类似谷歌的NotebookLM与此同时，Play AI 还推出了 PlayNote，这是一款可以将多种媒体文件（如 PDF、文本、视频等）转化为对话体验的

AI语音技术公司SoundHound AI传来重磅消息:其语音解决方案已成功部署在美国前20大快餐连锁中的7家。公司最新财报显示，第三季度营收达2500万美元，同比增长89%，创下季度新高。据SoundHound AI首席执行官兼联合创始人Keyvan Mohajer介绍，该公司的AI语音技术已在多个场景广泛应用，包括得来速点餐、电话订餐、自助服务亭、移动应用程序以及员工支持系统。值得注意的是，仅在餐饮行业的电话订餐服务中，其AI系统已独立处理超过1亿次客户互动。图源备注：图片由AI生成，图片授权服务商Midjourn

美国电视和广播艺人联合会（SAG-AFTRA）近日与AI语音公司Ethovox签署了一项具有里程碑意义的协议，为演员声音数据的AI应用制定了明确规范。这份协议不仅为演艺界使用AI技术提供了可靠框架，更为保护演员权益树立了新标准。根据协议内容，演员将获得双重收益保障:一是声音录制的前期费用，二是AI语音模型应用产生的持续收益分成。更重要的是，任何声音数据的使用都必须获得演员本人的明确授权，且仅限于经过批准的特定用途。Ethovox在协议中作出多项承诺，其中最关键的是确保在最

清华大学的研究团队近日发布了名为 SonicSim 的移动音源仿真平台，旨在解决当前语音处理领域在移动声源场景下数据缺乏的难题。 这一平台基于 Habitat-sim 仿真平台构建，能够高度逼真地模拟真实世界的声学环境，为语音分离和增强模型的训练和评估提供更优质的数据支持。现有的语音分离和增强数据集大多基于静态声源，难以满足移动声源场景下的需求。 虽然现实世界中也存在一些真实录制的数据集，但其规模有限，且采集成本高昂。相比之下，合成数据集虽然规模更大，但其声学模拟

小米公司CEO雷军近日通过视频就网络上流传的“雷军AI”配音恶搞现象进行了首次回应。雷军提到，随着AI技术的快速发展，自己的声音被制作成语音包并在多个视频中被滥用，甚至有用户反映在国庆期间被这种恶搞内容“骂”了整整七天。对此，雷军表示这给他本人带来了困扰和不适，他呼吁大家停止这种不当行为，并强调尽管AI技术本身是积极且实用的，但此类滥用行为并不恰当。他强调，依据相关法律法规，未经声音权人同意，任何组织或个人不得擅自使用、公开或侵害他人的声音权

最近，一款由 OpenAI 的 Whisper 技术驱动的 AI 转录工具在医疗行业广受欢迎。许多医生和医疗机构都在使用这个工具来记录和总结与患者的会面。根据 ABC 新闻的报道，研究人员却发现这款工具在某些情况下会出现 “幻觉” 现象，有时甚至会完全编造内容。这款由名为 Nabla 的公司开发的转录工具，已经成功转录了超过700万次医学对话，目前有超过3万名临床医生和40个健康系统在使用它。尽管如此，Nabla 公司也意识到了 Whisper 会产生幻觉的可能性，并表示正在努力解决这个问题。一组来自康

近日，日本知名声优中尾龙星、山寺宏一、梶裕贵、福山润、浪川大辅等26人组成了一个名为“No More Mudan Seisei AI”的团体，反对未经授权使用AI生成的配音。该团体发布了一段视频，中尾龙星表示，他对自己的声音未经许可就被出售感到惊讶，并呼吁大家听听配音演员对未经授权使用生成式人工智能的看法。随后，其他25名配音演员也加入了呼吁。此外，艺人经纪公司Aoni Production和AI语音平台CoeFont最近宣布建立合作伙伴关系，利用10位声优的声音数据创建AI复制的声音。虽然该项目承诺不会

这是一款我最近一直在使用的AI语音笔记应用——NotesGPT，强烈推荐给各位！它彻底改变了我记录和整理信息的方式，节省了大量时间，效率提升非常明显。 与其说它是一个软件，不如说它是一个提升生产力的AI助手。NotesGPT的核心功能与优势：精准语音转录: NotesGPT的语音识别能力非常出色，转录准确率很高，即使在嘈杂的环境下也能保持良好的识别效果。告别手忙脚乱的记录过程，解放你的双手！智能摘要与行动项提取: 这才是NotesGPT最惊艳的地方！它不仅能将语音转换成文字，还能自动

医疗人工智能公司Suki宣布，公司已成功筹集7000万美元新资金。这笔资金将用于其产品的开发，包括一个供临床医生使用的人工智能（AI）驱动的语音助手。图源备注:图片由AI生成，图片授权服务商MidjourneySuki创始人兼首席执行官Punit Soni在声明中表示:“医疗行业对AI的需求日益增长，我们很自豪能够提供一套与现有工具无缝互操作的全功能解决方案。”“在投资者的支持下，我们将加速增长，多样化Suki的能力，并深化与战略合作伙伴的关系，例如MedStar Health，这是Suki历史上最重要的合作伙

在人工智能迅猛发展的今天，语音合成和转换技术日新月异，为我们带来了无比真实、自然的音频体验。然而，这些技术的进步也带来了潜在的安全隐患，特别是"语音克隆"技术可能被不法分子利用，威胁个人隐私和社会稳定。针对这一挑战，浙江大学智能系统安全实验室和清华大学携手推出了一个革命性的语音伪造检测框架——SafeEar。这个框架不仅能高效检测伪造音频，还能在检测过程中保护用户的语音隐私，实现了安全与隐私的双重保障。SafeEar的核心技术在于其采用的基于神经音频编

最近，加州大学洛杉矶分校和亚马逊的研究人员对大型语言模型（LLMs）的推理能力进行了深入分析。他们首次系统地区分了归纳推理和演绎推理这两种能力，探讨了这两者对 AI 系统的挑战程度。图源备注：图片由AI生成，图片授权服务商Midjourney归纳推理是指从具体的观察中推导出一般性规律，而演绎推理则是将一般规则应用于特定案例。研究的目的是了解哪种推理能力对大型语言模型来说更具挑战性。为此，研究团队开发了一种新的方法，称为 “SolverLearner”。这种方法使得模型通过少量

Salesforce收购AI语音助手初创公司Tenyx，旨在增强其客户服务系统的互动性，通过自然流畅的对话体验满足用户需求。Tenyx的技术已在电商、医疗、酒店等多个领域得到应用，并将加入Salesforce，成为其客服系统的重要组成部分。此交易预计于2024年10月31日前完成，Tenyx团队将加入Salesforce，继续推进产品发展。收购旨在利用AI全面改善客户体验，进一步整合营销、电商和医疗等行业分析功能，提升客户服务效率与质量。

LG将在IFA2024科技展上首发其首款专用智能家居中心ThinQ ON，该设备采用人工智能技术，支持Thread、Matter和Wi-Fi连接，能控制LG及第三方品牌的智能家居设备。外观小巧圆润，内置AI语音助手，具备理解自然语言、解析上下文和学习用户偏好能力，提供个性化智能家居体验。ThinQ ON作为集线器和智能音箱，由LG自主研发的AI芯片组驱动，已通过Matter认证，兼容多种网络连接和设备。此次发布标志着LG正式进军全面智能家居平台市场，产品将通过LG的ThinQ应用程序管理，支持自动化例程和Matter协议，实现与Google Home Hub的兼容。ThinQ ON的定价和上市时间尚未公布，但预计将对LG的智能家居战略产生重要影响。

LG在IFA2024前宣布推出首个专用智能家居中心——ThinQ ON，这款小巧圆形的白色集线器兼具智能音箱功能，内置AI语音助手。ThinQ ON采用先进AI技术，通过Matter、Thread和Wi-Fi连接控制LG家电及其他智能家居设备，支持监控设备使用情况并个性化调整。其Matter认证使其与多种网络连接兼容，与LG及第三方设备兼容，提升用户体验。作为Matter标准的实施者，ThinQ ON支持超过30种设备类型，包括照明、恒温器等，旨在打造一个完善的智能家居生态系统。然而，其具体价格和上市时间尚未公布，详情将在IFA展会上揭晓。

2023年，中国人工智能软件市场规模达到377.4亿元，同比增长26.2%。计算机视觉市场规模为101.1亿元，商汤科技领跑。AI语音语义市场中，百度智能云首次居首，科大讯飞和阿里云紧随。机器学习开发平台市场规模35.1亿元，第四范式和华为云并列第一，市场聚焦大模型技术以支持生成式AI应用发展。

Linly-Dubbing是一个开源AI工具，专为视频多语言配音和翻译设计，简化视频本地化流程。用户只需上传视频，工具即可自动下载、翻译、配音并生成字幕，支持多种语言。其AI识别与翻译能力强大，与GPT等模型合作，确保翻译质量高且自然流畅。特别突出的是声音克隆技术，能生成与原配音高度相似的声音，确保口型与语音同步，提高视频观赏体验。该工具适合国际教育和全球娱乐内容本地化，为用户提供高度定制化服务，目前项目正在持续优化中。

演员工会 SAG-AFTRA 与 AI 克隆初创公司 Narrativ 签订协议，允许演员合法授权其声音用于 AI 生成的音频广告。协议确保演员有权了解并拒绝品牌提议，设定价格并进行谈判以获得合理报酬。SAG-AFTRA 的福利计划将从广告收入中分得一部分，但具体比例未公开。此协议旨在解决 AI 克隆声音在未经授权情况下广泛传播的问题，此前与 AI 行业的紧张关系在协议后有所缓和。然而，SAG-AFTRA 的电子游戏配音演员仍在罢工，争取更多 AI 保护。此次合作被视为工会在 AI 问题上取得的进展。