ElevenLabs 于近日正式推出其最新的人声合成模型 Flash，声称这是迄今为止最快的文本转语音（TTS）解决方案，生成语音的延迟仅为75毫秒(加上应用和网络延迟)。Flash 特别适合低延迟的对话式语音助手，用户可以在 ElevenLabs 的对话 AI 平台上立即体验这一新功能。Flash 模型分为两个版本，其中 Flash v2仅支持英语，而 Flash v2.5则支持32种语言。使用这两种模型时，用户每生成两个字符将消耗1个积分点。尽管 Flash 模型在音质和情感深度上稍逊于 Turbo 模型，但其低延迟性能使其在盲测中超越了其他

美国卫生与公众服务部（HHS）率先公布了其2024年度AI使用情况清单，报告显示，与去年相比，AI应用案例增加了约66%。HHS技术政策首席副助理部长兼卫生信息技术首席副国家协调员Steven Posnack在清单附文中强调，该部门的AI使用案例从163个增加到271个，并指出这些案例处于不同的开发阶段。新的数字包括运营维护、采购和开发方面的应用，以及16个已停止使用的案例。随着各联邦机构预计将发布2024年新的和扩展的AI使用案例清单，该清单的发布也引发了广泛关注。根据特朗普时代的一项行政

印度音频平台 Pocket FM 最近大展拳脚，现已拥有超过20万小时的丰富内容。然而，公司的首席执行官 Rohan Nayak 却觉得自己还有更大的提升空间。他认为，Pocket FM 在原创内容的开发以及多种类和子类的扩展方面还有很多可以做的。而实现这一目标的最快方式就是借助 AI 工具，来帮助音频制作、撰写策略，以及将故事适应不同地区。Nayak 在与《TechCrunch》通话时表示:“我觉得我们的内容目录对用户来说还不够丰富。我们的库里缺少很多类型和子类型的内容，尤其是在成熟娱乐的领域中。” 目前

人工智能初创公司 ElevenLabs 于周三推出了一项新功能，名为 GenFM，该功能允许用户上传不同类型的内容以生成多声道播客，类似于谷歌的 NotebookLM。这项功能已在 ElevenLabs Reader 的 iOS 应用中上线，支持32种语言，包括英语、印地语、葡萄牙语、中文、西班牙语、法语、德语和日语等。使用 GenFM 时，用户可以首先上传 YouTube 视频、文本或文档，应用程序会自动选择两个声音来创建播客。ElevenLabs 提供了十多种声音供用户选择。应用程序在准备 AI 生成的播客时，用户可能会看到一些有趣的提示

近日，一款名为 Pensieve（冥想盆）的开源软件在 GitHub 热榜上引起了广泛关注。这款软件的设计灵感来源于《哈利波特》中提取和回忆记忆的神奇工具，它能够自动记录用户在电脑上的所有活动，让你随时回忆起过去所见过的信息。用户只需输入相关关键词，Pensieve 就能快速找到相关记录，极大地方便了日常生活和工作。Pensieve 的开发者表示，该软件具有隐私保护的特点，所有记录均保存在本地，用户完全控制自己的数据。与市面上其他类似软件如收费的 Rewind 和微软的 Windows Recall 相比，

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

杰瑞・加西亚虽然已于1995年离世，但他的声音通过人工智能的技术得以复生。近日，人工智能开发公司 ElevenLabs 与加西亚家族达成合作，将这位传奇摇滚乐队 “死者之头” 的声音重新引入大众视野。这项新应用名为 ElevenReader，旨在让用户可以通过加西亚的声音来朗读电子邮件、书籍及各种文本内容。ElevenReader 应用是一款结合了电子阅读器和有声书的流媒体平台，用户可以在其中听到包括加西亚在内的多位历史名人的声音。除了杰瑞・加西亚，应用中还包括如詹姆斯・迪恩、朱迪・加兰

随着生成式AI的迅猛发展，业界对"更大即更好"的传统认知正在发生转变。多位顶尖AI科学家近期表示，单纯通过增加数据量和算力来提升AI性能的方法已接近瓶颈，新的技术突破方向正在显现。Safe Superintelligence和OpenAI的联合创始人Ilya Sutskever近日发表观点，认为传统预训练方法已进入性能平台期。这一论断格外引人注目，因为正是他早期倡导的大规模预训练方法催生了ChatGPT。如今，他表示AI领域已从"规模扩张时代"迈入"奇迹和发现时代"。当前大模型训练面临多重挑战:动辄数千万美元的训练

人工智能行业迎来重大转折点:领先企业纷纷改变发展方向，从追求更大规模的语言模型转向专注于提升模型的思考能力。这一转变将重塑整个AI行业的发展格局。据路透社报道，主要AI实验室正面临困境。开发大型语言模型不仅需要投入数千万美元，还常常遭遇系统崩溃等技术难题，评估一个模型的性能往往需要持续数月之久。这种发展瓶颈已经波及行业巨头。有报道称OpenAI的新型Orion模型相比GPT-4提升有限，谷歌的Gemini2.0也遇到类似困境。Anthropic方面，其首席执行官Dario Amodei表示正在重新

亚马逊网络服务（AWS）今天在一篇博客文章中宣布，推出了一款名为 Amazon Q Developer 的 AI 助手，旨在帮助开发者在编写代码时提高效率。这款助手可以直接集成到开发者的 IDE（集成开发环境）中，比如 Visual Studio Code 和 JetBrains。开发者只需简单地高亮文本，就可以调出 Q Developer 的新功能选项，如 “优化代码”、“添加注释” 或 “编写测试”。用户只需输入具体的指令，Q Developer 就会自动完成请求的操作。最初，Q Developer 是在2022年以 Amazon CodeWhisperer 的名义推出，最开始只是提供基于注释

在即将到来的2025年1月，位于圣塔莫尼卡的 Fred Fitness 将正式开门迎客，这家健身房以全新的 AI 驱动个性化锻炼理念，预计将改变美国健身市场。Fred Fitness 背靠欧洲健身巨头 Clever Fit，并使用前沿的 EGYM 科技，致力于为会员提供量身定制的训练计划和实时指导，让每个人都能享受到如同私人教练般的健身体验，但费用却远低于传统健身房。Fred Fitness 的创始人阿尔弗雷德・恩岑斯贝格（Alfred Enzensberger）表示，健身房不再只是提供设备，而是提供解决方案。“想象一下，一个私人教练不仅了解

日前，ElevenLabs 推出了一项激动人心的新功能 —— 语音设计，用户可以通过简单的文字提示来创建完全独特的声音。虽然ElevenLabs 的语音库有3，000个高质量的语音，而且还在不断增加，但当用户仍找不到满意的声音效果时，语音设计可以帮助填补空白。 ElevenLabs语音设计功能效果如何呢？大家可以先感受下官方放出的示例：之前，虽然市面上已经有一些文本到语音的选择，但大多听起来相对机械，而 ElevenLabs 的技术可以让你在几秒钟内设计出一种全新的声音。比如你要创建《龙与地下城》

最近，企业法律行业迎来了一个激动人心的变革。美国企业法务协会（ACC）与 Everlaw 联合发布了一份关于生成 AI(GenAI)对企业法律行业影响的新报告。这份名为《Gen AI 与未来企业法律工作:内部团队准备好了吗?》的报告揭示了生成式 AI 在法律工作中的迅速应用及其对法律职业的深远影响。图源备注:图片由AI生成，图片授权服务商Midjourney报告显示，几乎一半的受访者（49%）认为生成式 AI 将会降低运营成本，很多人甚至在去年这一数据的基础上有了显著的增加。2023年，有33% 的受访者表示，他

在2024年的创业投资市场中，人工智能（AI）公司依然占据着重要的地位。尽管市场上有些声音表示对 AI 的热情开始减退，但数据显示，投资者们依然对这一领域充满信心。今年第三季度，AI 公司共筹集了189亿美元的资金，占所有风险投资的28%。其中，OpenAI 更是在10月2日完成了一轮高达66亿美元的融资，成为史上最大的单轮融资案例。以下是国外科技媒体Techcrunch整理的2024年迄今筹集了1亿美元或更多资金的美国 AI 公司:十月人工智能法律科技公司EvenUp完成了1.35亿美元的 D 轮融资，由贝恩资本

近期，一家新兴的初创公司 Vectorize 成功获得了360万美元的种子轮融资，由 True Ventures 领投。这笔资金将帮助 Vectorize 推出其创新的检索增强生成（RAG）平台，旨在优化企业如何访问和利用其专有数据，以更好地应用于人工智能(AI)领域。图源备注:图片由AI生成，图片授权服务商Midjourney随着生成式 AI 模型如 GPT-4、Bard 和 Claude 的不断发展，这些 AI 技术在现代商业运营中的应用变得愈加重要，但这些模型往往面临一个问题，那就是无法获取最新的、领域特定的信息，这对模型的实际应用效果造

挪威的初创公司1X Technologies 最近宣称，他们在为机器人开发基于人工智能的世界模型方面取得了重大进展。简单来说，这些模型就像是机器人的虚拟试验场，能够让机器在各种情境中进行测试和改进，完全不需要真刀真枪的实地测试。1X 认为，这正是解决 “机器人难题” 的关键所在 —— 也就是如何在不断变化的环境中，可靠地评估为多种任务而训练的机器人。以一台能折叠 T 恤的机器人为例，它在50天的时间里表现不一，成就感常常转瞬即逝。1X 表示，即便是同样的机器人型号，在环境

Ilya Sutskever创立的公司SSI在成立三个月内完成10亿美元融资，估值达50亿美元。SSI团队仅10人，目标是实现安全超级智能，首轮融资吸引了知名投资者，如Andreessen Horowitz、红杉资本、DST Global和SV Angel。SSI专注于研发，计划通过与云服务提供商和芯片制造商合作，满足对计算能力的需求。公司采取传统盈利模式，但强调AI安全性和人类价值观的一致性，探索“Scaling Hypothesis”，即AI模型性能与算力提升正相关。在硅谷和特拉维夫设有研究团队，致力于快速且安全地发展AI技术，避免科幻情节中的AI失控。此轮融资体现了AI研究对资本市场的吸引力，为AI伦理和安全性问题的解决提供了新的可能。

Eleven Labs推出全托管AI自动配音服务，为内容创作者和企业解决跨语言传播难题。该服务支持多语言自动翻译和配音，包括西班牙语、印地语、法语、葡萄牙语、德语、阿拉伯语和波兰语等，以保持原声的音调、音色和说话风格，增强内容的真实感和亲和力。通过专业配音员验证环节，确保翻译质量。服务支持不超过10个说话者，平均完成时间为7天，紧急情况可提供当天服务。然而，唇形同步在某些情况下仍需改进。此服务简化了跨语言内容制作流程，降低了成本，对YouTuber、影视制作公司、教育机构等具有重要价值。

Clapper是一款开源视频剪辑工具，以其集成的StabilityAI、ElevenLabs、Real-ESRGAN和ChatGPT等先进工具而备受瞩目。其核心亮点包括AI驱动的故事可视化，帮助用户快速生成视频故事，简化创作流程；支持角色、场景、天气和时间等元素的自由组合与调整，增加创作灵活性；提供交互式编辑流程，用户通过直观界面进行迭代编辑；即将推出的导演模式，让用户仿佛置身导演席，全面控制视频制作过程。Clapper的一大优势在于其一键生成素材功能，简化视频创作流程，支持新手和专业人士通过互动、迭代方式完成作品，无需复杂剪辑技能。GitHub地址：github.com/jbilcke-hf/clapper

近期，多模态大模型的研究和应用取得了显著进展。国外公司如OpenAI、Google、Microsoft等推出了一系列先进的模型，国内也有智谱AI、阶跃星辰等机构在该领域取得了突破。这些模型通常依赖视觉编码器来提取视觉特征并与大语言模型结合，但存在训练分离导致的视觉归纳偏置问题，限制了多模态大模型的部署效率和性能。