乔治·卡林遗产案和解：播客方同意永久下架 AI 仿造脱口秀
周二，已故传奇喜剧演员乔治·卡林的遗产委员会与播客 Dudesy 创作者达成和解。被告方同意全面下架并永久停用卡林的声音与肖像。该播客 1 月曾发布声称由 AI 仿造的一小时专场。这起案件作为美国首批名人深度伪造诉讼之一，为未经许可数字复活逝者划下红线。
AI语音
查看更新的新闻
OpenAI 演示 Voice Engine：只需 15 秒音频，但因安全风险暂不开放
OpenAI 展示了语音克隆模型 Voice Engine 的小规模测试进展。该模型仅凭 15 秒音频样本就能复刻逼真且带情感的人声。由于担心深度伪造等滥用风险，官方暂不公开发布，并呼吁社会逐步淘汰银行等系统的语音身份验证。
rabbit 联手 ElevenLabs：为 r1 随身硬件接入拟真人声
ElevenLabs 宣布与 rabbit 达成合作，将其低延迟拟真人声模型接入随身设备 rabbit r1。用户按下按键直接说话，就能通过自然语音操作打车、点餐等任务。高质量语音的加入，让这台掌上 AI 助手听起来更像一个真人助理。
田纳西州签署《ELVIS 法案》：全美首个立法严打 AI 拟音侵权
周四，美国田纳西州州长签署《ELVIS 法案》，成为全美首个立法保护艺术家免受未授权 AI 拟音侵权的州。新法案将公开权延伸至 AI 领域，明确禁止未经许可模仿歌手声音，法案定于 7 月 1 日正式生效。
Figure 01 接入 OpenAI 模型：人形机器人能一边聊天一边干活了
机器人公司 Figure 展示了人形机器人 Figure 01 接入 OpenAI 模型的演示：机器人不仅能实时对话，还能听懂口头指令分拣物品，说话时甚至带有逼真的停顿。Figure 负责动作控制，OpenAI 提供视觉与语言能力，让大模型真正开始拥有物理实体。
Deepgram 推出语音 API Aura：延迟低于半秒，帮智能体实时说话
Deepgram 推出实时文本转语音 API Aura。它把自然的人声模型与低延迟结合，通常在半秒甚至 0.3 秒内就能发声，每 1000 字符定价 0.015 美元。这让开发者能给大模型驱动的客服智能体装上能实时接话的声音。
拜登在国情咨文发话：呼吁立法禁止 AI 声音冒充与克隆
周四晚，拜登在国情咨文演讲中呼吁立法禁止 AI 声音冒充伪造。但他并未细化具体监管措施或惩罚手段，也未明确是否覆盖文娱行业。此前好莱坞虽对声音复刻达成授权协议，但 AI 拟真声音已正式成为白宫重点防范的议题。
ChatGPT 上线 Read Aloud：长按就能让 AI 把回答读给你听
OpenAI 为 ChatGPT 推出「Read Aloud」朗读功能，覆盖 iOS、Android 应用及网页端。在移动端长按消息或在网页端点击对应图标，AI 就能把文字回答直接念出来。对于在路上或者需要解放双手的场景来说，这让文字聊天多了一种随时收听的使用方式。
Pika 上线 Lip Sync 功能：接入 ElevenLabs，AI 角色开口能对上口型
Pika 推出 Lip Sync 功能，接入 ElevenLabs 提供配音，让视频角色的嘴型能与台词同步。它支持文本转语音或上传音频，省去了繁琐的后期外挂工具。不过该功能目前仅限 Pika Pro 付费用户和受邀测试者使用。
ElevenLabs 联手 Perplexity：推出 AI 每日播客 Discover Daily
ElevenLabs 宣布与 Perplexity 达成合作，联手推出每日短音频播客《Discover Daily》。节目结合 Perplexity 的搜索内容引擎与 ElevenLabs 的 AI 语音，自动播报科技、创新与文化最新头条，已在各大播客平台上线。
ElevenLabs 入选迪士尼加速器：AI 语音搭上好莱坞巨头
2 月 22 日，AI 语音初创公司 ElevenLabs 宣布入选 2024 年迪士尼加速器计划。团队表示将借力迪士尼的创意资源，推进跨语言沟通技术的落地。这意味着其 AI 配音和声音技术，正快速向全球顶级影视娱乐生态渗透。
ElevenLabs 迎战 2024 大选：设「禁声名单」拦截美英政客声音克隆
ElevenLabs 宣布多项应对 2024 年全球选举的防护措施。平台上线「禁克隆声音」防护机制，优先拦截美英大选候选人的声线克隆，并严禁利用 AI 语音进行冒充、打造政治聊天机器人或拨打自动骚扰电话，同时继续提供鉴别工具以追查音频来源。
NBA 亮相 NB-AI 助手：一句话把球赛实时变成「蜘蛛侠电影」
NBA 总裁 Adam Silver 展示了实验性助手 NB-AI。球迷只需下达语音指令，就能个性化定制观赛画面，例如把正在进行的比赛实时转成「蜘蛛侠」卡通风格，或直接识别并购买球星脚上的球鞋。不过这项功能目前仍是概念演示。
亚马逊推出 BASE TTS：参数达 9.8 亿，语音模型也开始「涌现」
Amazon 公布了目前最大的语音合成模型 BASE TTS，参数达 9.8 亿。研究显示，语音模型规模扩大后同样会出现类似大语言模型的「涌现能力」，无需额外训练就能更自然地拿捏情绪、耳语和生僻词发音。不过出于安全考虑，官方并未开源模型权重。
ElevenLabs 开放声音变现：共享声线克隆，被调用就能赚现金
ElevenLabs 宣布创作者可通过 Voice Library 变现。用户只需上传 30 分钟音频创建专业声音克隆并共享，当付费订阅者调用该声音时即可获得现金奖励。平台还提供声音所有权验证、每日收益统计及内容审核保护。
美国 FCC 明确出手：自动拨号电话用 AI 仿声正式违法
美国联邦通信委员会（FCC）裁定将自动拨号电话中使用 AI 生成声音定为违法。新规将 AI 仿声纳入现有法律监管，赋予各州总检察长直接执法权，即使不证明具体诈骗罪名，单凭使用 AI 语音拨打即可追责。
Roblox 上线实时 AI 聊天翻译：支持 16 种语言，打字即时转换
本周，Roblox 上线基于自研大模型的实时 AI 聊天翻译功能，支持 16 种语言互译。韩国玩家输入韩语，英语或德语玩家能直接看到被实时翻译成本国语言的文字。该功能已接入所有使用 TextChatService 的游戏中，未来还计划拓展至语音实时翻译。
FCC 出手：拟将自动骚扰电话中的 AI 声音克隆直接定为违法
美国 FCC 提议将自动呼叫中使用 AI 声音克隆技术直接认定为违法。此前新罕布什尔州出现伪造拜登声音干预选举的电话，该提案拟将声音克隆归入既有法案的「人造声音」范畴，让执法部门起诉诈骗者时更直接、门槛更低。
Apple Podcasts 新增转录功能：iOS 17.4 为几乎所有播客配上文字稿
Apple 在 iOS 17.4 测试版中为 Apple Podcasts 带来基于机器学习的自动转录功能。测试用户发现资料库里绝大多数节目都已生成逐字稿。不过通过外部 URL 添加的播客暂不支持，预计 3 月随正式版推送。
假拜登电话劝选民别投票：专家称极可能是 AI 深度伪造
NBC News 报道称，新罕布什尔州初选前一通冒充拜登总统、劝选民不要投票的自动电话极可能是 AI 伪造的 Deepfake。检测机构表示该音频大概率被操纵。如今克隆政客声音门槛极低，而针对此类 AI 选举误导的法律监管仍存空白。