Microsoft 将在 Teams 上线声音克隆：开跨国会能用你的原声讲 9 种语言
Microsoft 在 Teams 中公布实时同传工具 Interpreter，能模拟参会者的原声讲外语。该功能将于 2025 年初面向 Microsoft 365 用户推出，支持中文、英文等 9 种语言语音互译。模拟必须由用户主动授权，官方称不会存储生物识别数据。
AI语音
查看更新的新闻
ElevenLabs 推出对话式 AI 构建平台：可自由切换 GPT 与 Claude
ElevenLabs 宣布推出端到端对话式 AI 智能体开发平台。开发者可自定义声音语气、打断机制，并自由搭配 Gemini、GPT 或 Claude 等底层模型与专属知识库。ElevenLabs 意在从单纯的语音生成切入实时语音交互市场。
Meta 智能眼镜在法意西上线 Meta AI：支持多语种语音，但砍了多模态
Meta 宣布在法国、意大利和西班牙为 Ray-Ban Meta 智能眼镜上线 Meta AI，支持法语、意大利语和西班牙语语音问答。不过受欧盟监管限制，这次更新暂不包含依靠摄像头识别环境的多模态视觉功能，仅限一般语音提问。
ESPN 测试生成式 AI 主播 FACTS：搬出英伟达技术拆解赛事数据
ESPN 宣布正在测试名为 FACTS 的生成式 AI 虚拟形象。它接入官方分析数据库，结合英伟达 ACE 与 ElevenLabs 语音技术，为橄榄球节目补充数据分析。ESPN 强调其绝非为了取代真人解说，目前仍在开发中。
O2 推出 AI 老奶奶 Daisy：专门陪骗子唠嗑，最长单次拖延 40 分钟
英国运营商 O2 推出防诈骗 AI 工具 Daisy。它化身逼真的「AI 老奶奶」，能无需人工干预全天候实时接听诈骗电话，用唠家常的方式疯狂浪费骗子时间，最长单次通话达 40 分钟。用 AI 缠住骗子，让真实用户少受骚扰。
OpenAI 上线 ChatGPT Windows 版：支持快捷键呼出与高级语音
OpenAI 宣布 ChatGPT Windows 桌面端正式向所有用户开放。应用支持通过 Alt + Space 快捷键随时呼出窗口，并集成了高级语音模式，方便在办公时直接免提语音交流。相比网页端，随叫随到的桌面交互更加顺手。
Google 上线 Gemini 独立 iPhone 应用：支持实时语音对话与扩展插件
Google 正式在 iOS 平台推出独立的 Gemini App。新应用支持 Gemini Live 实时语音对话，提供 10 种声音并允许随时打断插话；同时内置 Imagen 3 画图能力，并能通过扩展插件直接调取 Gmail、Maps 和 YouTube 等服务。
Wondercraft 接入 ElevenLabs：支持用克隆声音重编 NotebookLM 播客
ElevenLabs 宣布与音频平台 Wondercraft 深度整合，支持编辑 Google NotebookLM 生成的播客。创作者不仅能微调语气，还能用克隆声音定制专属音频。上线仅一周就有超 1 万名用户使用该功能，累计生成超 1.5 万小时音频。
CreatorKit 联手 ElevenLabs：让 AI 演员带情绪演广告
CreatorKit 联合 ElevenLabs 推出 Emotive AI Actors。通过声音克隆技术，AI 演员能根据台词自动匹配兴奋、好奇等不同情绪。CreatorKit 称带情绪的声音让视频广告转化率提升了 16%。
DeepL 推出 DeepL Voice：支持 13 种语言实时语音转文字翻译
DeepL 推出首款语音产品 DeepL Voice，能将 13 种语言的语音实时翻译为 33 种语言的文字字幕。目前它主打面对面交谈和视频会议，结果以文本显示而非直接生成语音，视频会议目前仅支持 Teams，暂未开放 API。
ElevenLabs 升级 Studio：长文本支持局部重生成与多角色配音
ElevenLabs 宣布改版长音频创作工具 Studio（原 Projects）。新版支持选中单个词或句子单独重新生成以节省额度，并加入段落锁定功能防止误改，还允许在同一段落里为不同对话混排多种声线。这意味着制作有声书和长篇旁白的精修成本大幅降低。
Google 测试 iOS 独立版 Gemini：终于支持 Gemini Live 语音对话
据报道 Google 开始在 iOS 上小范围测试独立的 Gemini 应用，首次为 iPhone 带来实时语音助手 Gemini Live。此前苹果用户只能通过 Google 应用的内置标签体验基础功能。新应用甚至支持锁屏通话，不过目前仅在菲律宾等少数地区 App Store 上架测试。
ElevenLabs 复刻传奇乐手 Jerry Garcia 声音：支持 32 种语言朗读图书
Jerry Garcia 遗产管理方与 ElevenLabs 合作，在 ElevenReader 应用中上线这位已故摇滚传奇的 AI 复刻声音。该语音支持用 32 种语言朗读电子书、文章和 PDF。目前该模型仅用于文本朗读，后续还将用于基金会的纪录片旁白等项目。
Hume AI 推出新语音应用：免登录用麦克风聊，搭载 EVI 2 与 Claude
Hume AI 推出基于浏览器的语音应用，由自研语音模型 EVI 2 结合 Claude 3.5 Haiku 驱动。用户无需注册账号，打开网页直接用麦克风与不同性格的 AI 助手对话，涵盖问答与讲故事等场景。不过测试显示叙事模式下仍偶有重复与变调。
大模型版 Alexa 再度延期：开关灯总翻车，亚马逊推迟至 2025 年
据彭博社报道，亚马逊将大模型版 Alexa 推迟至 2025 年发布。早期内测显示新版回答啰嗦且响应迟缓，甚至连关灯、设闹钟等基础家居操作都频繁出错。目前内测已被叫停，如何兼顾对话生成与稳定硬件控制成了最大瓶颈。
ElevenLabs 开源 X to Voice：分析 X 账号生成专属音色
上周，ElevenLabs 推出开源项目 X to Voice 并上线 Voice Design API。输入任意 X 用户名，系统会自动分析其简介与发帖风格，生成对应提示词与 3 个音色样本，还能让头像对嘴型朗读。开发者也能直接调用 API 为 AI 角色定制声音。
Claude 推出桌面客户端：移动端同步上线 10 分钟语音听写
Anthropic 发布 Claude 的 Mac 与 Windows 桌面客户端公测版，免费与付费用户均可使用。移动端（iOS 与 Android）则同步上线语音听写功能，单次最长可录制 10 分钟语音并转写回答。不过桌面端暂不支持听写，该功能也不是实时语音通话，更像发语音留言。
Claude 推出 Mac 与 Windows 桌面客户端：支持快捷键呼出
Anthropic 正式推出 Claude 的 Mac 与 Windows 桌面客户端公测版，免费与付费用户均可使用。新客户端支持通过快捷键随手呼出，主打原生环境下的深度办公体验；同时移动端也上线了支持录制最长 10 分钟的语音听写功能。
ChatGPT 高级语音登陆桌面端：Mac 和 Windows 都能实时对话了
OpenAI 宣布将高级语音模式推送到 macOS 和 Windows 桌面应用。用户可以直接用自然语音让 AI 写代码或讨论分析上传的文件，并提供 5 种全新音色可选。不过目前该功能仅限 Plus 和 Team 付费用户使用，且暂不支持欧盟和英国等地区。
研究称 OpenAI Whisper 频发严重幻觉：部分测试虚构率达 80%
据美联社报道，研究人员发现 OpenAI 的 Whisper 语音转写工具频发「幻觉」，在密歇根大学的一项测试中 80% 的音频转录出现虚构内容，甚至凭空捏造医疗方案。尽管官方不建议用于高风险决策，但该模型已被广泛接入医疗问诊等场景。