在近日发布的年度信中，YouTube 首席执行官尼尔・莫汉（Neal Mohan）将人工智能(AI)称为公司2025年四大 “重大赌注” 之一。莫汉提到，YouTube 正在积极投资于创作者的 AI 工具，这些工具包括视频创意、缩略图制作和语言翻译等功能。值得一提的是，翻译功能将于本月向所有参与 YouTube 合作计划的创作者推出，另一项 AI 功能则可以识别用户年龄，以便为他们定制合适的内容和推荐。过去一年，YouTube 还推出了一系列帮助创作者生成图像和视频背景的功能，同时还增加了为短视频添加音乐的选项

人工智能语音公司ElevenLabs再次引发关注，该公司刚刚完成了一轮高达2.5亿美元的C轮融资，估值在30亿至33亿美元之间。本次融资由ICONIQ Growth领投，显示出市场对AI语音技术的强烈信心。仅在一年之前，ElevenLabs刚刚完成了一笔8000万美元的B轮融资，当时的估值仅为现在的三分之一，可见该公司发展之迅猛。ElevenLabs由Mati Staniszewski和Piotr Dabkowski于2022年创立，旨在解决配音质量低劣的问题。如今，该公司已成为AI语音领域的领导者，其核心技术包括语音克隆和配音工具。随着生成式人工智能的兴

在观看配音电影时，观众常常会遇到一个问题:角色的口型与配音语言不匹配，这不仅影响了观影体验，也让人难以沉浸在故事中。为了改变这一现状，成立于2021年的印度创业公司 NeuralGarage 正在积极努力，试图彻底改变配音行业。图源备注：图片由AI生成，图片授权服务商MidjourneyNeuralGarage 总部位于印度班加罗尔，由安詹・班杰吉、苏巴希什・萨哈、苏巴布拉特・德班塔和曼达尔・纳特卡尔四位老朋友共同创立。该平台的目标是解决配音内容中面部动作不匹配的问题。NeuralGarage 凭借其技术

据媒体报道，在2024年度中国游戏产业年会上，巨人网络发布了“千影 QianYing”有声游戏生成大模型，进一步加码“游戏+AI”领域。据公开资料，“千影 QianYing”包含两个核心大模型:游戏视频生成大模型YingGame和视频配音大模型YingSound，突破性地实现了有声可交互游戏视频的生成。巨人网络表示，当前“千影 QianYing”有声游戏大模型仍处于技术打磨阶段，AI实验室将持续推进其能力升级与迭代。该模型展示了通过文字描述生成游戏内容的可行性，为未来的游戏创作提供了新的可能性。此外，

近日，来自伊利诺伊大学厄巴纳 - 香槟分校、Sony AI 及 Sony 集团公司的研究团队推出了一项名为 MMAudio 的新技术，该技术旨在通过多模态联合训练，实现高质量的视频到音频合成。MMAudio 的核心创新在于能够利用视频和文本输入生成同步的音频，从而拓展了音频生成的应用场景，支持输入视频或文本，生成符合视频内容的音效。MMAudio 的设计使其能够在各种视听和音频文本数据集上进行训练。这种多模态联合训练的方式，不仅提高了合成音频的质量，还确保了生成的音频与视频帧之间的同步

YouTube在日前宣布了一项重大更新 - AI自动配音功能将为数十万个频道开放。这项创新技术旨在帮助内容创作者更轻松地触达全球受众，消除语言障碍。据悉，这个基于AI的配音工具最初在去年的Vidcon大会上首次亮相，当时仍处于小规模测试阶段。现在，这项功能正式面向以教育和指导类内容为主的频道开放，包括烹饪、手工等类型的视频。使用方法非常简单:创作者只需像往常一样上传视频，YouTube将自动识别原始语言并生成多语言配音版本。目前支持的语言包括英语、法语、德语、印地语、

YouTube 宣布，将其人工智能驱动的自动配音功能扩展到 “数十万个频道”，这些频道均属于 YouTube 合作伙伴计划，专注于知识和信息类内容。这一新功能不仅可以提高创作者视频的传播范围，还能吸引更多不同语言的观众。YouTube 表示，未来还将逐步将这一功能引入其他类型的内容。根据 YouTube 的说明，自动配音的内容取决于原始视频的语言。如果原始视频为英语，配音将被翻译为法语、德语、印地语、意大利语、西班牙语、印尼语、日语和葡萄牙语。而如果视频的原语言是以上任一语言

阿根廷新片《女巫游戏》即将在2025年第一季度登陆北美和英国，该片以《哈利・波特》系列为灵感，融合了恐怖元素，讲述了一个引人入胜的故事。影片的主角是一名少女，由演员洛尔德斯・曼西拉饰演。她在18岁生日时收到了一个虚拟现实（VR）头盔，借此进入一个神秘的魔法学校与一个邪恶的超自然世界，以拯救她的家人免受魔鬼的侵害。图源备注:图片由AI生成，图片授权服务商Midjourney这部影片由著名导演法比安・福尔特执导，他曾创作过《恶肉》、《末日肖像》等作品。《女巫游戏

一家名为 Panjaya 的创业公司正在彻底改变视频翻译的游戏规则。经过三年秘密研发，该公司推出了突破性产品 BodyTalk，这是一款能够将视频中人物声音精准转换为其他语言的 AI 工具。不同于传统配音，BodyTalk 不仅能完美复制说话者的原声特征，还能自动调整视频中人物的面部表情和肢体动作，使其与新语言的语音模式自然匹配。Panjaya 由两位以色列政府深度学习专家希利克·沙尼（Hilik Shani）和阿里尔·沙洛姆(Ariel Shalom)创立。2021年，两人离开政府部门创业，随后迎来了具有丰富行业经验的

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

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

国庆假期期间，一件让人哭笑不得的事情在网上蔓延开来 —— 雷军的 AI 配音突然火了!想必这位小米创始人心里也在默默感慨:“这家伙绝对是在捣乱!” 各种玩家纷纷拿着这款 AI 工具，搞起了 “雷军锐评” 的视频，不仅仅是搞笑，还夹杂着不少粗口，整个国庆假期就像是被雷军 “追着骂” 了一样。最近，短视频平台上涌现出了一大波以雷军声音为背景的恶搞视频，让不少观众一时之间分不清真假。有人本来以为只是想让雷总唱首歌、做点搞笑的视频，结果却刷到了一堆充满火药味的内

在 AI 浪潮席卷全球的今天，语言障碍不再是知识共享的绊脚石。VideoLingo，这款革命性的视频翻译和本地化配音工具，可以一键为你带来 Netflix 级品质翻译视频，带来了人工智能视频翻译的新方式。VideoLingo 是一款全自动视频本地化工具，支持生成 Netflix 品质的字幕！支持多种高质量配音方案！在人工智能加速提升内容生产效率的背景下，VideoLingo 强大的功能帮助全球视频内容创作者和翻译者提供了跨越语言障碍的解决方案。本文将详细介绍 VideoLingo 的相关信息，帮助您全面了解这款产品。

深圳市睿域科技有限公司近日发布声明，确认9月16日传播的音视频资料中音频部分为嫌疑人使用其自主研发的Reecho睿声AI配音大模型平台克隆而成。该音频源自卢某的直播片段。公司已启动内部审核机制，强化用户身份认证和音频生成的安全管控，以确保技术的合法合规应用。Reecho睿声表示，言域科技作为一家成立不到一年的初创团队，我们致力于音频与拟人化人工智能的前沿技术探索。Reecho睿声作为我们第一款面向大众的AI音频合成与配音技术平台，旨在通过自研尖端技术来提升创意内容

北京互联网法院近日审理了一起具有里程碑意义的案件，这是全国首例涉及AI生成声音人格权侵权的案件。随着人工智能技术的飞速发展，AI声音、图像和视频开始广泛出现，随之而来的法律问题也日益增多。

一款名为ChatTTS-OpenVoice的创新项目在互联网上引发关注，将ChatTTS与OpenVoice技术融合，能根据用户上传的10秒参考音频生成个性化、自然的语音。该技术适用于配音工具与语音助手，通过简化上传过程，用户可获得定制化语音体验。该项目上线后，受到开发者和用户广泛好评，已在社交媒体上引起热议。负责人表示，旨在为用户提供更加个性化、自然的语音生成体验，为相关领域注入活力。ChatTTS-OpenVoice的未来发展前景备受期待。

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。

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。

近日，北京互联网法院审理了一起AI生成声音人格权侵权案件，最终判决原告胜诉。原告殷某某是一名配音演员，意外发现，自己的声音被AI化后，在被告某智能科技公司运营的平台中对外出售

微软近期发布了一款零样本文本到语音（TTS）模型VALLE-2，该成果在技术界引发热议，被认为是TTS领域的里程碑。VALLE-2的创新之处在于其零样本学习能力，仅需一小段陌生语音样本，便能模仿声音说任意文本，实现了惊人的即时模仿和编码器分组。它还改进了重复感知采样，提高解码稳定性，并简化了数据需求。在主观评分和客观指标的测试中，VALLE-2超越了前代模型VALLE，几乎达到人类语音水平。然而，强大的语音模仿能力也引发了对Deepfake技术滥用的担忧，特别是关于伦理考量和潜在风险，如模型对非英美口音处理能力及计算效率的改进空间。当前，微软仅将其作为研究项目，并强调了合成语音检测和授权机制的重要性。未来在语音助手、内容创作等领域的应用值得期待，同时需要关注技术的伦理使用与风险防控。更多关于VALLE-2的信息可访问项目页面：Microsoft官网。