ElevenLabs 获 8000 万美元 B 轮融资：上线配音工作台，声音也能变现
ElevenLabs 宣布完成 8000 万美元 B 轮融资，跻身独角兽。公司同步推出支持整部电影翻译与制作的 Dubbing Studio，以及允许创作者出租 AI 克隆声音获利的交易市场。此外，移动端朗读应用也已开启内测排队。
AI语音
查看更新的新闻
三星发布 Galaxy S24 系列：搭 Google Gemini，支持即圈即搜与实时通话翻译
三星发布 Galaxy S24 系列手机，全面整合 Google AI 能力。新机结合端侧 Gemini Nano 与云端模型，支持即圈即搜、实时通话翻译和生成式图片编辑。这标志着端云混合 AI 首次大规模落地主流旗舰手机，新机定于 1 月 31 日开售。
Adobe 升级 Premiere Pro 音频功能：AI 自动降噪打标签
Adobe 为 Premiere Pro 带来新音频工作流。新版能用 AI 自动给音频分类打标签，并提供交互式淡入淡出滑块；去年 9 月测试的「人声增强」也将在 2 月向所有用户开放，能一键消除嘈杂背景噪音。
巴基斯坦前总理伊姆兰·汗狱中竞选：用 ElevenLabs 克隆声音线上拉票
周日晚，巴基斯坦前总理伊姆兰·汗的政党发布了一段 4 分钟的竞选视频，利用 ElevenLabs 的 AI 声音克隆技术复刻其声音，为身在狱中的他举行线上集会。音频基于其亲笔笔记，集会吸引超 50 万人观看，巴基斯坦当局随后封锁了主要社交平台。
Meta 开放 Audiobox 试用：支持零样本语音合成与文本生成音效
Meta 开放音频生成基础研究模型 Audiobox 的试用 Demo。该模型支持零样本语音合成（Zero shot TTS）、文本生成音效以及音频修复填充（Infilling）等能力，现在即可直接在线体验。
Meta 发布 Seamless 翻译模型：边说边译还带情绪
Meta 公布全新语音翻译系统 Seamless，包含两大模型：延迟仅约两秒的流式翻译 SeamlessStreaming，以及能保留语速、节奏与情绪的 SeamlessExpressive。模型均基于 SeamlessM4T v2 架构构建，Meta 已将模型与对齐工具全量开源。
ElevenLabs 推出初创扶持计划：每月免费送 1100 万字符额度
ElevenLabs 推出初创扶持计划 ElevenLabs Grants。团队员工少于 25 人的早期创业公司可申请为期 3 个月、每月 1100 万字符的免费语音与配音额度，首期预计发放超 1000 亿字符。扶持期结束后可享企业套餐大额折扣或随时取消。
AWS 升级 Transcribe：引入生成式 AI，支持 100 种语言
在 AWS re:Invent 大会上，AWS 宣布为其语音转写服务 Amazon Transcribe 引入语音基础模型。新版本基于数百万小时无标注音频训练，支持语言从 39 种扩充到 100 种，准确率提升 20% 到 50%，还能自动为客服通话生成摘要。
ChatGPT 语音对话全量免费：移动端点击耳机就能聊，官方还玩自嘲梗
OpenAI 宣布向所有免费用户开放 ChatGPT 移动端语音对话功能。用户在手机 App 里点击耳机图标，就能用语音直接提问并收听回答。这项功能 9 月推出时仅限付费会员；官方还在演示中借「给 778 名员工订披萨」调侃了当时的董事会风波。
Amazon 裁撤 Alexa 部门数百人：全面向生成式 AI 调头
Amazon 宣布在 Alexa 和 Fire TV 业务部门裁员数百人。高管 Daniel Rausch 在内部备忘录中解释，裁员是为了将内部资源集中投入到提升 Alexa 的生成式 AI 能力上，以配合业务优先级的调整。
Microsoft 上线 AI 数字人替身工具：只要照片和文本，就能开口说话
Microsoft 在 Ignite 2023 上推出 Azure AI Speech 文本转语音替身公开预览版，上传照片和脚本即可生成逼真的说话视频。配套的 Personal voice 仅凭一分钟音频样本就能复刻声音。为防滥用，定制替身和声音复刻需单独申请审核，且强制添加 AI 水印与书面授权。
Adobe 展示 Project Sound Lift：用 AI 把嘈杂录音拆成多轨
Adobe 展示了实验性 AI 工具 Project Sound Lift。用户导入录音后，AI 能自动将人声、掌声、笑声或交通噪音拆解成独立音轨，方便直接导入 Premiere Pro 单独精调。不过它目前只是「Sneak」预览项目，暂未正式发布。
Meta 发布 Audiobox：输入文字就能做音效、改语音
Meta 发布音频生成模型 Audiobox。作为 Voicebox 的后继者，它不仅能用文本提示词直接生成语音、音效和环境音，还支持「语音+文本」双输入来自由调整语气与场景。目前该模型仅面向受选研究人员开放申请，并同步上线了交互 Demo。
ElevenLabs 推出 Turbo v2：语音生成延迟压到 400 毫秒，提速超两倍
ElevenLabs 推出最新语音生成模型 Turbo v2。新模型将语音生成延迟缩短至约 400 毫秒，速度比初代快两倍以上，音质仍与 Multilingual V2 持平。它还为网络电话服务新增了 mulaw 8khz 格式，多语言支持也已在路上。
Doritos 推出 AI 降噪工具：专滤打游戏时吃薯片的嘎吱声
Doritos 推出专为 PC 玩家设计的 AI 降噪软件 Doritos Silent。该工具与 Smooth Technology 耗时半年研发，通过学习数千条咀嚼音频，在语音连麦中实时消除吃薯片的清脆杂音。目前仅支持 Windows 系统，旨在解决开黑时队友嚼零食干扰游戏的问题。
斯嘉丽·约翰逊起诉 AI 应用：广告未经许可克隆其声音与肖像
据 Variety 报道，斯嘉丽·约翰逊正对 AI 应用 Lisa AI 的开发商 Convert Software 采取法律行动。该应用在一段 22 秒的广告中擅自用 AI 克隆她的声音推销生成功能；尽管片尾写着与本人无关，其律师明确表示绝不姑息。
ElevenLabs 推出企业级 AI 语音平台：对话智能体与音频创作双轨并行
ElevenLabs 推出面向企业的一体化 AI 语音平台，拆分为 ElevenAgents 与 ElevenCreative 两个方向。企业既能构建并部署多语言对话智能体处理客服与调度，也能生成高拟真语音与音效，并原生打通 Salesforce 和 Zendesk 等业务系统。
披头士最后一首歌来了：靠 AI 提取列侬生前人声，11 月正式发布
披头士乐队宣布最后一首四人合作单曲《Now and Then》将于 11 月 2 日发布。制作团队利用导演彼得·杰克逊团队的机器学习技术，从 1970 年代一段老磁带中干净地剥离出约翰·列侬的人声。这是科技帮老艺术家补齐半个世纪遗憾的一次经典示范。
波士顿动力给机器狗接入 ChatGPT：Spot 化身导览员，能看能聊还能嘴贫
Boston Dynamics 展示了一项概念验证：将 ChatGPT、BLIP-2 视觉模型与 ElevenLabs 语音合成接入机器狗 Spot。机器人不仅能看懂周围环境沿途解说，还能根据设定扮演讽刺、搞笑等性格回答提问。最值得关注的是大模型在实体机器人上展现出的自主联想能力，不过目前每次回答仍有约 6 秒延迟。
D-ID 推出手机 App：传张照片配段文案，直接生成会说话的视频
D-ID 正式上线 iOS 与 Android 版移动应用。用户上传一张单人照片或挑选预设数字人，输入台词并选择 119 种语言和语气，就能生成最长 10 分钟的说话视频。移动端订阅起售价为每月 5.99 美元，提供 14 天免费试用。