ElevenLabs 收紧语音克隆：4chan 伪造名人发声，官方拟引入实名制
ElevenLabs 表示其语音克隆测试版遭到恶意滥用，4chan 上出现了大量利用该工具伪造艾玛·沃森等名人声音的违规音频。ElevenLabs 称正探索更严格的防护手段，考虑引入支付绑定、身份实名认证或人工逐一审核。
AI语音
查看更新的新闻
AI 盯上执法记录仪：Truleo 秒级转录音频，揪出警察不当言行
据 Axios 报道，初创公司 Truleo 开发的 AI 系统正被西雅图等全美多家警局采用。该平台每日自动转录分析执法记录仪音频，能秒级识别辱骂、暴力及「我无法呼吸」等高危语句并上报主管。加州阿拉米达警局试用后武力使用率下降 36%，每名警员月成本约 50 美元。
别只顾着画图：科学家正用 AI 破译动物语言
据世界经济论坛报道，非营利组织 Earth Species Project 等团队正利用 AI 解析动物声音及生态声学数据，尝试破译动物之间的沟通方式。研究人员表示，这项研究旨在理解动物需求以辅助生态保护，并尝试实现双向跨物种沟通。
ElevenLabs 推出生成式语音功能：凭空定制现实中不存在的人声
ElevenLabs 宣布推出全新生成式语音功能。用户只需设定性别、年龄、口音和说话风格等基础参数，点击生成就能得到一段此前完全不存在的全新人声。该功能预计 2 月在 Voice Lab 正式上线。
微软推出 VALL-E：只需 3 秒音频就能克隆你的声音
微软公布文本转语音模型 VALL-E。它仅凭 3 秒音频就能模拟说话者的音色、情感甚至房间声学环境。模型基于 Meta 音频库中 6 万小时语音训练，因防范声音冒充等滥用风险，微软目前未开源代码。
MIT 开发跨模态 AI：用 1000 个词对齐视频与语音
MIT CSAIL 团队公布一种多模态表征学习方法，让 AI 能在共享嵌入空间里对齐视频、音频和文本，仅用 1000 个词向量就能识别视频中的动作。最值得关注的是，这种设计提升了跨模态检索准确度和可解释性。不过模型目前一次只能处理两种模态。
Apple Books 悄悄上线 AI 有声书：机器朗读也能挑题材
据 The Guardian 报道，Apple Books 商店开始上架标有「Narrated by Apple Books」的 AI 旁白有声书。Apple 针对不同图书题材匹配了专属 AI 音色，目前支持小说、言情和部分非虚构作品。虽然制作仍需人工审核且耗时一至两个月，但它大幅降低了有声书制作成本。
NVIDIA 开放 Omniverse ACE 体验：用云端 AI 打造数字人
NVIDIA 开放 Omniverse Avatar Cloud Engine（ACE）抢先体验。该服务将 Audio2Face 面部动画与 Riva 语音合成打包为云原生微服务，支持虚幻引擎 MetaHuman 与 Ready Player Me。开发者无需本地重型算力，即可在云端快速生成可交互的 3D 数字人与虚拟助手。
DeepBrain AI 推出 Re;memory：让家人与逝去亲人进行 AI 视频对话
2022 年底，韩国公司 DeepBrain AI 推出 Re;memory 付费服务。该技术结合照片、视频与预先采访数据，通过图像合成和语音识别构建虚拟人，让家属在 400 英寸大屏体验馆内进行 30 分钟实时视频对话，弥补未尽的告别。
AI 让梅西「讲流利英语」：Synthesia 用 5 分钟素材搞定 10 国语言
AI 视频平台 Synthesia 利用梅西 5 分钟的真实片段，生成了他用流利英语等 10 种语言发言的合成视频。嘴型与发音高度贴合，引得球迷惊呼「逼真到可怕」。梅西在现实中极少公开讲英文，这也体现了深度学习人像合成跨越语言隔阂的能力。
深度学习如何引爆元宇宙：手势识别、实时翻译与生成式交互成关键
VentureBeat 发文分析深度学习对元宇宙的核心推动作用。从眼球追踪、3D 重建到 Meta 的实时语音翻译，深度神经网络正在补齐虚拟世界的基础交互；更关键的是，生成式聊天机器人让虚拟品牌代表摆脱死板脚本，实现更自然的实时对话。
Dialpad 成立 AI Labs：五年投入 5000 万美元研发业务自动化
Dialpad 宣布成立 AI Labs，并承诺未来五年投入 5000 万美元推进 AI 研发。这笔资金将重点用于客户流失与满意度预测，以及自动向 CRM 追加记录等工作流自动化。也就是说，Dialpad 正加速把实时语音识别能力扩展为更深度的企业决策与效率工具。