2023年成立的 Vapi 公司近日宣布成功完成2000万美元的 A 轮融资，由 Bessemer Venture Partners 主导，此外还获得了 Abstract Ventures、AI Grant、Y Combinator、Saga Ventures 以及 Michael Ovitz 的投资。随着生成式语音模型不断接近人类交互水平，许多企业需要一个能够无缝集成这些技术的平台，以提升客户互动和服务效率。图源备注:图片由AI生成，图片授权服务商MidjourneyVapi 的愿景是 “让技术回归人类声音”，为开发者提供快速部署 AI 语音助手的工具，时间从几个月缩短到几分钟。该公司采用开发者优先的策

最近，中文 AI 语音克隆技术迎来了一个突破性进展。海螺 AI 海外版推出的音频克隆模块，只需10到60秒的音频样本，便能完美复刻用户的声音。海螺 AI 海外版的音频克隆效果让许多用户感到惊喜，因为以往在中文语音克隆领域，虽然有不少产品，但效果往往不如人意。海螺 AI 的音频克隆功能非常简单易用，支持用户可以创建多个声音模型，用户只要进入“voice”模块，选择创建声音，并上传10秒至60秒长度的音频素材，就能对声音进行克隆。另外，系统支持12种语言，包括中文、粤语、英语

在人工智能技术快速发展的今天，SoundHound AI再次展现其市场潜力。这家专注于对话式AI的科技公司近期接连传来利好消息，不仅在投资者大会上展示了尖端技术，还成功与连锁餐厅Torchys Tacos建立合作。技术突破与商业扩张并行。在12月4日的UBS全球科技和AI大会上，SoundHound的首席财务官Nitesh Sharan向投资者详细介绍了公司的对话式AI软件。紧接着，公司宣布Torchys Tacos在130家门店全面部署其AI订单和客户服务技术，实现100%来电处理能力。虽然这笔合作在整个行业规模中可能不算惊天动地，但资

WPS Office近期推出了其AI语音速记功能，该功能通过WPS AI技术得到增强，并与WPS云文档深度整合，为用户提供了更快捷、更准确、更智能的语音转文字体验。这项新功能不仅支持实时录音和导入音频转文字，还能实现中英等多种语言的互译，确保了录音文件的完整性，即使在录制过程中异常退出，用户也能重回录音任务继续录音。

人工智能正在以前所未有的速度重塑人机交互的边界。Hume AI的Voice Control功能应运而生，为数字世界带来了一场声音交互的技术变革。这项创新技术的核心突破在于其前所未有的语音精细调控能力。传统AI语音往往受限于预设模式，而Hume提供了一种全新的个性化解决方案。用户可以通过十个维度对语音进行精准调整，实现从未有过的声音表达自由。图源备注：图片由AI生成，图片授权服务商Midjourney这十个可调节的语音维度宛如一个声音的全方位调色板:从性别特征的阳刚与阴柔，到果断程度

Hume AI，这家专注于情感智能语音界面的初创公司，近日推出了一项名为 “语音控制” 的实验性功能。这个新工具旨在帮助开发者和用户无需任何编码、AI 提示工程或音效设计技能，就能创造出个性化的 AI 声音。用户可以通过精确调节声音特征，轻松定制符合需求的声音。这项新功能建立在公司之前推出的 “共情语音界面2”（EVI2）的基础上，EVI2增强了语音的自然性、情感反应能力和可定制性。与传统的语音克隆技术不同，Hume 的产品专注于提供独特且富有表现力的声音，以满足客户服务

近日，Rivian 公司的首席软件官 Wassym Bensaid 在加州威尼斯的展厅内确认，Rivian R1T 和 R1S 车型将于2025年推出全新的 AI 语音助手。这一助手将支持文本到语音的信息功能，旨在提升用户在车内的智能体验。Bensaid 表示，早在两年前，团队就开始研发文本消息的语音集成功能，但现有的解决方案未能达到公司的标准。他指出，虽然一些老旧的汽车也支持文本消息，但这并不是他希望 Rivian 用户所拥有的丰富体验。频繁错过短信、难以支持群聊以及不一致的表情符号兼容性，都是他认为不符合 Rivi

从一个简单的Chrome扩展，到如今估值超2000万美元的AI语音帝国，PlayAI正用声音技术重新定义人机交互的想象边界。创始人Hammad Syed和Mahmoud Felfel用代码和算法编织出一个充满可能性的声音世界。这不仅仅是一家语音技术公司，更是一个能将文字瞬间转化为栩栩如生声音的魔法工厂。PlayAI的核心魅力在于其惊人的声音克隆和生成能力。想象一下，只需几分钟，你就能拥有一个完全属于自己的AI声音助理，能以任何你想要的语调和风格讲述故事。PlayNote等产品更是将AI语音推向令人惊叹的极致。它

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