OmniHuman V2 在 fal 上线
OmniHuman V2 已在 fal 平台上线，可用单张图片和一段音频生成说话视频，并让唇部动作与表情跟语音同步。该版本还支持可选提示词来引导表演效果。
匹配字段摘要
←搜索结果
搜索“语音”
派早报：Apple 智能国行 Beta 本月晚些时候上线测试
Tim Cook 在媒体活动中表示，Apple 智能国行 Beta 版本将于本月晚些时候上线测试版本，包含实时翻译、照片 app 消除工具和写作工具，但不包含 Siri AI。此前工信部进网许可信息显示，多款国行 iPhone 于 9 月 29 日完成换证，新增 Apple 智能、通义万相和通义千问三款大模型的备案编号。同期早报还提到 SpaceXAI 发布 Grok Voice 3.0 语音模型、阶跃开放 Step 5 Preview 模型权重等消息。
匹配字段摘要、正文
Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，并推出两款 Bolt 端侧模型
Nvidia 发布 Nemotron 3.5 Super VL，这是一个 1200 亿参数的开源多模态模型，面向持续在后台运行的企业智能体，处理文本、图像、文档和视频。该模型采用 MoE 架构，每个 token 仅激活 120 亿参数，由 Nvidia 与包含 Mistral AI、Thinking Machines Lab、Perplexity 和 Black Forest Labs 的 Nemotron Coalition 共同开发。同时推出两款面向本地硬件的模型：Nemotron 3.5 Bolt 74B-A9B 24GB 可在本地机器运行智能体任务，更小的 Bolt E4B 4GB 面向语音助手，将于本月晚些时候发布。Nvidia 称 Super VL 从 Nemotron 3 Ultra 蒸馏而来，在智能体指令遵循、工具调用、多步业务流程和图像分析任务上以约五分之一参数达到 Ultra 的准确率，在 Hermes 和 LangChain 的智能体测试中得分高于 Ultra，并在 SWE-bench 和 Terminal-Bench 上超过前代 Nemotron 3 Super。权重以 base、post-trained 和 4-bit 压缩三个版本发布，同时公开数据集、训练配方和强化学习环境，预训练与持续预训练使用超过 25 万亿 token。
型采用 MoE 架构，每个 token 仅激活 120 亿参数，由 Nvidia 与包含 Mistral AI、Thinking Machines Lab、Perplexity 和 Black Forest Labs 的 Nemotron Coalition 共同开发。同时推出两款面向本地硬件的模型：Nemotron 3.5 Bolt 74B-A9B 24GB 可在本地机器运行智能体任务，更小的 Bolt E4B 4GB 面向语音助手，将于本月晚些时候发布。Nvidia 称 Super VL 从 Nemotron 3 Ultra 蒸馏而来，在智能体指令遵循、工具调用、多步业务流程和图像分析任务上以约五分之一参数达到 Ultra 的准确率，在 Hermes 和 LangChain 的智能体测试中得分高于 Ultra，并在 SWE-bench 和 Terminal-Bench 上超过前代 Nemotron 3 Super。权重以 base、post-trained 和 4-bit 压缩三个版本发布，同时公开数据集、训练配方和强化学习环境，预训练与持续预训练使用超过 25 万亿 token。
匹配字段摘要
上海老年医学中心发布“银龄智护・老年综合评估智能体”，81岁轮椅老人重新迈步
上海老年医学中心发布“银龄智护・老年综合评估智能体”，融合语音交互、视频采集与人工智能技术，把原本耗时两三小时的老年综合评估转为老人像聊天一样即可完成的智能评估，并贯通医院、社区、居家三大场景。81岁李老伯经该智能体辅助评估和多学科联合治疗后，从常年轮椅实现站立缓步行走。
匹配字段摘要、正文
借助“Vibe-Coding”：Epic 发布新版启动器并推出 Linux 版本
Epic 为旗下 Games Store 发布了新版启动器，并首次提供 Linux 测试版，官方称其由“Vibe-Coding”方式开发，启动和响应速度明显超过旧版及竞品。该版本支持 Ubuntu 22.04 LTS、Fedora 43 和 Debian 12，并支持语音聊天，但尚缺部分功能。Epic 同时正为 Linux 移植反作弊工具 EAC，以便日后让 Fortnite 在 Linux 上运行，但未给出时间表。
匹配字段摘要
Ubuntu 26.10 发布：Linux 7.3 内核与本地 AI 助手 Myna 预览
Canonical 发布 Ubuntu 26.10（代号 Stonking Stingray），搭载基于 7.3-rc6 的 Linux 7.3 内核，并首次在桌面引入本地运行的 AI 语音输入功能 Myna，无需联网、目前仅可预览版后装。该版本用 Rust 编写的 uutils 完全取代 GNU Coreutils，APT 改用 Sequoia 校验包签名，并移除 WEP 与 EGLStreams 支持；作为过渡版本，Ubuntu 26.10 仅提供约九个月更新。
匹配字段摘要
消息称Nothing正开发两款智能眼镜，分别主打AI与音频功能
爆料人士Roland Quandt透露，Nothing正开发两款智能眼镜：一款类似Ray-Ban Meta，配备摄像头并集成ChatGPT，支持翻译等AI功能；另一款不配摄像头、不直接集成AI，主打音频播放、通话和手机语音助手交互。两款均采用光致变色镜片。此前彭博社称Nothing计划2027年推出首款AI智能眼镜，目前官方尚未确认，规格、售价及上市时间待公布。
匹配字段摘要、正文
你可能错过的 10 个 Apple HomeView 功能
Apple 计划 11 月 13 日发售 HomeView，售价 299 美元，现已开启预购，提供带扬声器底座的桌面版和壁挂版。这款智能家居中枢支持 Siri 免提唤醒、Apple Intelligence 通用知识问答、菜谱分步引导与多语音计时器，并可通过接近感应调整界面信息密度。访客可控制智能家居配件、查看天气、播放音乐并 AirPlay 音频，HomeView 还内置温湿度传感器，可作为 HomeKit 与 Matter 设备的家庭中枢。
匹配字段摘要
NVIDIA 扩展 Nemotron 家族，发布 120B 的 Super VL 与两款端侧 Bolt 模型
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开放模型，面向常驻智能体任务，官方称其在同类开放模型中吞吐最高，比次优模型快 5 倍，准确率接近 NVIDIA 最大推理模型而参数量约为其五分之一。同时推出两款端侧模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB，前者用原生 2-bit 量化塞进 24GB 显存，可在 RTX/DGX Spark 本地运行智能体任务，后者面向 GeForce RTX、Jetson 上的语音与对话智能体。Super VL 与 Bolt 74B-A9B 已上线 Hugging Face，Bolt E4B 将于 10 月 23 日发布；Super VL 还提供开放权重、开放数据集和训练配方，支持企业用自有数据后训练。
匹配字段摘要
SSML 详解：标签、示例与 ElevenLabs 的支持情况
ElevenLabs 除 Eleven v3 和 Eleven v4 外的模型支持 SSML 的 <break> 标签，可插入最长 3 秒停顿；Eleven Flash v2 和 Eleven Turbo v2 还支持 <phoneme> 标签做英文自定义发音。Eleven v3 与 Eleven v4 完全不支持 SSML，改用 [whispering]、[sighs] 这类 Audio Tags 控制语音，Eleven v4 另新增原生行内 IPA 支持。
ElevenLabs 除 Eleven v3 和 Eleven v4 外的模型支持 SSML 的 标签，可插入最长 3 秒停顿；Eleven Flash v2 和 Eleven Turbo v2 还支持 标签做英文自定义发音。Eleven v3 与 Eleven v4 完全不支持 SSML，改用 [whispering]、[sighs] 这类 Audio Tags 控制语音，Eleven v4 另新增原生行内 IPA 支持。
匹配字段摘要
用 Modal GPU 增强 LiveKit Agent
Modal 官方工程博客介绍如何将运行在 Modal 无服务器 GPU 上的开源或自定义模型接入 LiveKit Agents。示例用 BitHuman 开源 Expression Video Avatar 配合 Qwen3-TTS 语音，克隆 Modal 的 Charles Frye。借助新推出的 Sticky Sessions 保证容器亲和性，并用 GPU 快照隐藏冷启动。
匹配字段摘要
AssemblyAI Universal-3.6 Pro 上线 OpenRouter
AssemblyAI 的 Universal-3.6 Pro 已在 OpenRouter 上线，通过 AssemblyAI Sync API 提供语音转文字。相比 Universal-3.5 Pro，短对话语句错误率降低 30%，支持语言平均错误率降低 12%，并新增韩语、粤语、俄语等 14 种语言。价格为 $0.30/hr。
匹配字段摘要
新款 Apple TV 4K 与 HomeView：Apple 如何向欧盟施压
Apple 将于 11 月 13 日推出智能家居中枢 HomeView，售价 299 美元，配备 7 英寸 1088 × 1088 分辨率 LCD 屏和 A18 芯片，但首发仅限美国、加拿大、澳大利亚、英国等英语国家，暂不进入欧盟。该设备可识别最多六名家庭成员，并依靠 Siri AI 实现语音识别，需通过 iOS/iPadOS 27.2 的 iPhone 或 iPad 完成设置。Apple 称欧盟使其无法在欧推出 Siri AI，但 DMA 仅要求向竞争方开放 Siri AI 所用的 iOS 接口。
匹配字段摘要
ElevenLabs 上线 OpenRouter 一周拿下近三分之一 TTS 支出
OpenRouter 表示，ElevenLabs 上线仅 7 天，昨日已占据平台上文本转语音模型近三分之一的支出，并称其上线首周表现强劲。所有 ElevenLabs 模型在 OpenRouter 独家五折优惠，持续至 10/19。
匹配字段摘要
lauren 惊叹并推荐在 Grok Bot 中试用
在 SpaceX Super Intelligence 宣布推出 Grok Voice 3.0（号称全球最智能的语音到语音模型，擅长处理客服通话、响应时间低于一秒、成本低于其他前沿模型）后，lauren 转发并评论：“wow! try it in Grok Bot”。
匹配字段摘要
音频深度伪造检测：原理与验证方式
音频深度伪造检测通过统计分析或水印技术判断语音是否由 AI 生成。传统工具基于机器学习给出置信度评分，但受限于已知样本，新语音克隆架构出现后需重新训练；水印则是确定性方案，能给出是或否的结论，但检测器只适用于自家生成的音频，例如 ElevenLabs 的 Audio Detector 只能识别自家产品的水印。水印应作为大规模检测体系中的一环，而非唯一工具。
匹配字段摘要
HeyGen Voice 上线 OpenRouter，10 月 31 日前五折
HeyGen 的新文本转语音模型 HeyGen Voice 已上线 OpenRouter，10 月 31 日前五折。该模型在 Artificial Analysis TTS 榜单登顶，提供 HeyGen Voice 和延迟更低的 HeyGen Voice Turbo 两种模式，折后价格分别为每百万字符 15 美元和 7.50 美元。OpenRouter 提供 10 种内置音色，也可自带 HeyGen key 使用自己账号中克隆的音色。
匹配字段摘要
HeyGen Voice 上线 OpenRouter，10 月 31 日前五折
HeyGen Voice 已在 OpenRouter 上线，10 月 31 日前五折。该文本转语音模型提供 HeyGen Voice 和延迟更低的 HeyGen Voice Turbo 两种模式，折后价格分别为每百万字符 15 美元和 7.50 美元，原价分别为 30 美元和 15 美元。用户可直接选用内置的 10 种音色，也可自带 HeyGen key 使用自己 HeyGen 账号中克隆的音色。
匹配字段摘要
SpaceXAI TypeScript SDK 更新 25 个示例
cookbook 已更新，新增 25 个示例，全部基于 @spacexai 的 TypeScript SDK 构建。示例包括：一句话前提生成短片、单张照片生成延时摄影、会说话的照片、产品图转视频广告、视频配音、实时语音翻译等。
匹配字段摘要
捷克初创公司 FLÆ Robotics 获超 100 万欧元融资，用 AI 自动化酒店宾客服务
捷克公司 FLÆ Robotics 从 Purple Ventures 和 Garage Angels 获得超 100 万欧元种子轮融资，用于开发其 AI 酒店智能体平台 BE-A 并推进国际扩张。BE-A 通过 WhatsApp、邮件、网页聊天和电话全天候处理宾客咨询、预订与前台事务，目前已在英国、德国和捷克的 60 多家酒店使用。2026 年 7 至 8 月，该平台处理约 26.5 万条消息和语音交互、近 16 万次对话，日均超 4000 次交互，并在无人工干预下完成 3400 多笔酒店预订。
匹配字段摘要