OpenAI 全面开放 ChatGPT Search：免费可用，语音模式也能实时联网
OpenAI 宣布 ChatGPT Search 正式面向所有免费用户开放，并接入高级语音模式。除了检索速度提升、移动端优化商户信息外，用户还可以把它设为浏览器默认搜索引擎。这意味着普通用户不用花钱也能体验完整的实时联网搜索与语音问答。
AI语音
查看更新的新闻
Ray-Ban Meta 眼镜升级 v11：看实时画面直接聊，还支持同传
Meta 针对美加早期体验用户推送 Ray-Ban Meta 固件 v11，正式带来实时 AI 视频与连续对话。佩戴者无需反复唤醒即可直接就眼前的实景提问，并支持跨英语与西、法、意语的实时语音翻译，但目前回答仍可能出错。
Google 升级 NotebookLM：播客能实时插话提问，推出 Plus 付费版
Google 为 NotebookLM 带来大更新，开始接入实验性 Gemini 2.0 Flash。最抢眼的是 Audio Overviews 播客功能支持实时语音插话互动，听到不懂随时能打断追问；界面也重构为资料、对话和创作三栏。此外官方还上线了额度提升 5 倍以上的 NotebookLM Plus 付费版。
ChatGPT 上线限定「圣诞老人」语音模式：全平台开放，月底退休
ChatGPT 推出节日限定的「圣诞老人模式」，移动端、网页和桌面端面向所有用户开放。点击输入框旁的雪花图标即可调用快活浑厚的圣诞老人声线实时聊天，且对话不会写入历史记录或影响记忆。该功能为 12 月限时体验，月底将正式下线。
时代周刊上线 TIME AI：能跟读者实时语音聊新闻
TIME 联合 ElevenLabs 和 Scale AI 推出 TIME AI 平台。读者在阅读报道时能直接通过语音向 AI Agent 提问并获得解答，工具栏还支持即时朗读、翻译与摘要。这相当于给每篇深度报道配了专属讲解员，目前已在近几年的「年度风云人物」特辑上线。
YouTube 扩大 AI 配音功能：开放数十万知识类频道，支持发布前预览
YouTube 宣布将 AI 自动配音功能向合作伙伴计划中数十万个知识与资讯类频道开放。英语视频会自动配音为日、德、西等 8 种语言，创作者上传后可先预览或撤回。虽然目前声线机械感较明显，但官方承诺后续会改进语气与情绪拟真度。
WaveForms 亮相：ChatGPT 语音核心成员创业，想通过「语音图灵测试」
ChatGPT 高级语音模式核心贡献者 Conneau 创立语音初创公司 WaveForms。针对传统语音依赖文本转换而丢失语调的弊端，团队致力于打造能直接理解情绪与语境的模型，目标是通过「语音图灵测试」，初期将先主攻消费级场景。
ElevenLabs 推出 GenFM：导入文本秒变双主播播客，支持 32 种语言
ElevenLabs 将 GenFM 功能引入长音频编辑工具 Studio。用户只需导入 PDF、网页链接或文本，系统就能自动生成两个逼真 AI 主持人对谈的播客，支持 32 种语言，且允许自由修改台词和导出商用。ElevenReader 的 Android 端也同步上线了该功能。
微软 Edge 上线 Copilot Vision 预览：能边看网页边跟你实时语音聊天
微软面向 Copilot Pro 订阅用户开启 Copilot Vision 预览测试，把它内置在 Edge 浏览器中。AI 能实时看懂当前网页并与你语音交流，会话结束后会立即清除浏览数据。目前仅在 Copilot Labs 向部分美区用户开放，且仅支持指定网站。
Spotify 联手 NotebookLM：把年度听歌报告做成双人 AI 播客
Spotify 联合 Google 推出 2024 年度 Wrapped AI 播客。借助 NotebookLM 的音频概览技术，两位 AI 主播会像录播客一样畅聊你的个人听歌偏好与音乐品味演变。不过目前仅限美、英、加等英语地区用户限时体验。
ElevenLabs 推出对话式 AI 平台：打造支持实时打断的语音智能体
ElevenLabs 推出 Conversational AI 平台，让开发者快速构建交互式语音智能体。它将文本转语音、语音识别与自选大模型打通，借助实时预测模型优雅处理插话打断与轮候。平台还原生集成 Twilio 电话接入，并提供多语言 SDK。
EVI 2 推出 Voice Control：不用克隆，拉滑条就能精细捏声音
12 月 2 日，EVI 2 上线测试版功能 Voice Control，不靠提示词也不走声音克隆路线，而是提供自信、鼻音、松弛度等 10 个维度的连续滑条。最值得关注的是，调节某个特征不会连带影响其他属性，开发者能在几秒内捏出专属声音。
Hume 推出 Voice Control：用 10 个滑块捏出专属 AI 声音
Hume AI 为其 EVI 2 推出 Voice Control 测试版。它绕开了提示词描述不清和声音克隆的侵权风险，让用户通过自信度、鼻音等 10 个维度的连续滑块微调声音，几秒内就能捏出可稳定复现的专属 AI 语音。不过极端参数下的音质仍在优化中。
ElevenLabs 推出 GenFM：文档一键生成双人 AI 播客，支持 32 种语言
ElevenLabs 在 ElevenReader iOS 端上线 GenFM 功能，能把 PDF、文章和电子书一键转成由 AI 主持人对谈的播客。它支持 32 种语言，几秒内即可生成内容摘要与讲解。Android 版本将在数周内推出。
Orange 联手 OpenAI 与 Meta：训练大模型支持西非本土语言
周二，Orange 宣布联手 OpenAI 与 Meta 微调大模型，首期重点攻克西非的沃洛夫语和普拉尔语。三方将训练 Whisper 和 Llama 3.1，成果拟免费开放非商业用途，用于当地公共卫生与教育，让不会读写的群体也能用母语与 AI 交流。
IMAX 联手 Camb.ai：用 AI 语音模型为原创纪录片搞定多语言配音
IMAX 宣布与初创公司 Camb.ai 达成合作，计划使用其 Boli 和 Mars 等 AI 语音模型，为纪录片等原创内容做多语言本地化翻译和配音。Camb.ai 支持 140 种语言，IMAX 打算分阶段推进，先从常见语言开始落地，以此压缩译配成本并扩大受众覆盖。
Perplexity 联手 Quartr：普通人也能看懂财报电话会
Quartr 宣布与 Perplexity 达成合作。Perplexity 接入 Quartr API，向全球用户提供财报电话会的实时文字转录与 AI 生成的要点摘要。过去这类深度分析往往只有大型机构投资者才能用上，现在普通用户也能直接在搜索中调用。
Nvidia 公布音频大模型 Fugatto：把钢琴声变人声，还能合成全新音效
Nvidia 公布音频生成模型 Fugatto，能够根据文本提示修改现有声音，例如将钢琴演奏转为歌声或改变说话者的情绪与口音。它甚至能混合音效生成从未存在的声音。不过出于安全与版权等风险考虑，该模型目前暂不公开发布。
ChatGPT 测试版代码曝光：高级语音模式或将接入「实时摄像头」
ChatGPT 最新测试版代码曝光了「实时摄像头」功能。v1.2024.317 版本代码显示其支持实时视频流处理与视觉识别，并与高级语音模式结合。距离 OpenAI 5 月首次演示已过去半年，高级语音或许很快就能配上「眼睛」。
ChatGPT 高级语音上线网页端：浏览器里直接开口聊
OpenAI 宣布将高级语音模式搬上网页端。基于 GPT-4o 的原生音频能力，它能听懂语速变化并带情绪实时对话，还提供 9 种音色可选。本周先面向 Plus 等付费订阅用户开放，免费用户预计在未来几周内也能用上。