OpenAI 全面開放 ChatGPT Search：免費可用，語音模式也能即時聯網
OpenAI 宣佈 ChatGPT Search 正式面向所有免費使用者開放，並接入高階語音模式。除了檢索速度提升、移動端最佳化商戶資訊外，使用者還可以把它設為瀏覽器預設搜尋引擎。這意味著普通使用者不用花錢也能體驗完整的即時聯網搜尋與語音問答。
AI語音
檢視更新的新聞
Ray-Ban Meta 眼鏡升級 v11：看即時畫面直接聊，還支援同傳
Meta 針對美加早期體驗使用者推送 Ray-Ban Meta 韌體 v11，正式帶來即時 AI 影片與連續對話。佩戴者無需反覆喚醒即可直接就眼前的實景提問，並支援跨英語與西、法、意語的即時語音翻譯，但目前回答仍可能出錯。
Google 升級 NotebookLM：播客能即時插話提問，推出 Plus 付費版
Google 為 NotebookLM 帶來大更新，開始接入實驗性 Gemini 2.0 Flash。最搶眼的是 Audio Overviews 播客功能支援即時語音插話互動，聽到不懂隨時能打斷追問；介面也重構為資料、對話和創作三欄。此外官方還上線了額度提升 5 倍以上的 NotebookLM Plus 付費版。
ChatGPT 上線限定「聖誕老人」語音模式：全平臺開放，月底退休
ChatGPT 推出節日限定的「聖誕老人模式」，移動端、網頁和桌面端面向所有使用者開放。點選輸入框旁的雪花圖示即可呼叫快活渾厚的聖誕老人聲線即時聊天，且對話不會寫入歷史記錄或影響記憶。該功能為 12 月限時體驗，月底將正式下線。
時代週刊上線 TIME AI：能跟讀者即時語音聊新聞
TIME 聯合 ElevenLabs 和 Scale AI 推出 TIME AI 平臺。讀者在閱讀報道時能直接通過語音向 AI Agent 提問並獲得解答，工具欄還支援即時朗讀、翻譯與摘要。這相當於給每篇深度報道配了專屬講解員，目前已在近幾年的「年度風雲人物」特輯上線。
YouTube 擴大 AI 配音功能：開放數十萬知識類頻道，支援釋出前預覽
YouTube 宣佈將 AI 自動配音功能向合作伙伴計劃中數十萬個知識與資訊類頻道開放。英語影片會自動配音為日、德、西等 8 種語言，創作者上傳後可先預覽或撤回。雖然目前聲線機械感較明顯，但官方承諾後續會改進語氣與情緒擬真度。
WaveForms 亮相：ChatGPT 語音核心成員創業，想通過「語音圖靈測試」
ChatGPT 高階語音模式核心貢獻者 Conneau 創立語音初創公司 WaveForms。針對傳統語音依賴文本轉換而丟失語調的弊端，團隊致力於打造能直接理解情緒與語境的模型，目標是通過「語音圖靈測試」，初期將先主攻消費級場景。
ElevenLabs 推出 GenFM：匯入文本秒變雙主播播客，支援 32 種語言
ElevenLabs 將 GenFM 功能引入長音訊編輯工具 Studio。使用者只需匯入 PDF、網頁連結或文本，系統就能自動生成兩個逼真 AI 主持人對談的播客，支援 32 種語言，且允許自由修改臺詞和匯出商用。ElevenReader 的 Android 端也同步上線了該功能。
微軟 Edge 上線 Copilot Vision 預覽：能邊看網頁邊跟你即時語音聊天
微軟面向 Copilot Pro 訂閱使用者開啟 Copilot Vision 預覽測試，把它內建在 Edge 瀏覽器中。AI 能即時看懂當前網頁並與你語音交流，會話結束後會立即清除瀏覽資料。目前僅在 Copilot Labs 向部分美區使用者開放，且僅支援指定網站。
Spotify 聯手 NotebookLM：把年度聽歌報告做成雙人 AI 播客
Spotify 聯合 Google 推出 2024 年度 Wrapped AI 播客。藉助 NotebookLM 的音訊概覽技術，兩位 AI 主播會像錄播客一樣暢聊你的個人聽歌偏好與音樂品味演變。不過目前僅限美、英、加等英語地區使用者限時體驗。
ElevenLabs 推出對話式 AI 平臺：打造支援即時打斷的語音智慧體
ElevenLabs 推出 Conversational AI 平臺，讓開發者快速構建互動式語音智慧體。它將文本轉語音、語音識別與自選大模型打通，藉助即時預測模型優雅處理插話打斷與輪候。平臺還原生整合 Twilio 電話接入，並提供多語言 SDK。
EVI 2 推出 Voice Control：不用克隆，拉滑條就能精細捏聲音
12 月 2 日，EVI 2 上線測試版功能 Voice Control，不靠提示詞也不走聲音克隆路線，而是提供自信、鼻音、鬆弛度等 10 個維度的連續滑條。最值得關注的是，調節某個特徵不會連帶影響其他屬性，開發者能在幾秒內捏出專屬聲音。
Hume 推出 Voice Control：用 10 個滑塊捏出專屬 AI 聲音
Hume AI 為其 EVI 2 推出 Voice Control 測試版。它繞開了提示詞描述不清和聲音克隆的侵權風險，讓使用者通過自信度、鼻音等 10 個維度的連續滑塊微調聲音，幾秒內就能捏出可穩定復現的專屬 AI 語音。不過極端引數下的音質仍在最佳化中。
ElevenLabs 推出 GenFM：文件一鍵生成雙人 AI 播客，支援 32 種語言
ElevenLabs 在 ElevenReader iOS 端上線 GenFM 功能，能把 PDF、文章和電子書一鍵轉成由 AI 主持人對談的播客。它支援 32 種語言，幾秒內即可生成內容摘要與講解。Android 版本將在數週內推出。
Orange 聯手 OpenAI 與 Meta：訓練大模型支援西非本土語言
週二，Orange 宣佈聯手 OpenAI 與 Meta 微調大模型，首期重點攻克西非的沃洛夫語和普拉爾語。三方將訓練 Whisper 和 Llama 3.1，成果擬免費開放非商業用途，用於當地公共衛生與教育，讓不會讀寫的群體也能用母語與 AI 交流。
IMAX 聯手 Camb.ai：用 AI 語音模型為原創紀錄片搞定多語言配音
IMAX 宣佈與初創公司 Camb.ai 達成合作，計劃使用其 Boli 和 Mars 等 AI 語音模型，為紀錄片等原創內容做多語言本地化翻譯和配音。Camb.ai 支援 140 種語言，IMAX 打算分階段推進，先從常見語言開始落地，以此壓縮譯配成本並擴大受眾覆蓋。
Perplexity 聯手 Quartr：普通人也能看懂財報電話會
Quartr 宣佈與 Perplexity 達成合作。Perplexity 接入 Quartr API，向全球使用者提供財報電話會的即時文字轉錄與 AI 生成的要點摘要。過去這類深度分析往往只有大型機構投資者才能用上，現在普通使用者也能直接在搜尋中呼叫。
Nvidia 公佈音訊大模型 Fugatto：把鋼琴聲變人聲，還能合成全新音效
Nvidia 公佈音訊生成模型 Fugatto，能夠根據文本提示修改現有聲音，例如將鋼琴演奏轉為歌聲或改變說話者的情緒與口音。它甚至能混合音效生成從未存在的聲音。不過出於安全與版權等風險考慮，該模型目前暫不公開發布。
ChatGPT 測試版程式碼曝光：高階語音模式或將接入「即時攝像頭」
ChatGPT 最新測試版程式碼曝光了「即時攝像頭」功能。v1.2024.317 版本程式碼顯示其支援即時影片流處理與視覺識別，並與高階語音模式結合。距離 OpenAI 5 月首次演示已過去半年，高階語音或許很快就能配上「眼睛」。
ChatGPT 高階語音上線網頁端：瀏覽器裡直接開口聊
OpenAI 宣佈將高階語音模式搬上網頁端。基於 GPT-4o 的原生音訊能力，它能聽懂語速變化並帶情緒即時對話，還提供 9 種音色可選。本週先面向 Plus 等付費訂閱使用者開放，免費使用者預計在未來幾週內也能用上。