Microsoft 將在 Teams 上線聲音克隆：開跨國會能用你的原聲講 9 種語言
Microsoft 在 Teams 中公佈即時同傳工具 Interpreter，能模擬參會者的原聲講外語。該功能將於 2025 年初面向 Microsoft 365 使用者推出，支援中文、英文等 9 種語言語音互譯。模擬必須由使用者主動授權，官方稱不會儲存生物識別資料。
AI語音
檢視更新的新聞
ElevenLabs 推出對話式 AI 構建平臺：可自由切換 GPT 與 Claude
ElevenLabs 宣佈推出端到端對話式 AI 智慧體開發平臺。開發者可自定義聲音語氣、打斷機制，並自由搭配 Gemini、GPT 或 Claude 等底層模型與專屬知識庫。ElevenLabs 意在從單純的語音生成切入即時語音互動市場。
Meta 智慧眼鏡在法意西上線 Meta AI：支援多語種語音，但砍了多模態
Meta 宣佈在法國、義大利和西班牙為 Ray-Ban Meta 智慧眼鏡上線 Meta AI，支援法語、義大利語和西班牙語語音問答。不過受歐盟監管限制，這次更新暫不包含依靠攝像頭識別環境的多模態視覺功能，僅限一般語音提問。
ESPN 測試生成式 AI 主播 FACTS：搬出輝達技術拆解賽事資料
ESPN 宣佈正在測試名為 FACTS 的生成式 AI 虛擬形象。它接入官方分析資料庫，結合輝達 ACE 與 ElevenLabs 語音技術，為橄欖球節目補充資料分析。ESPN 強調其絕非為了取代真人解說，目前仍在開發中。
O2 推出 AI 老奶奶 Daisy：專門陪騙子嘮嗑，最長單次拖延 40 分鐘
英國運營商 O2 推出防詐騙 AI 工具 Daisy。它化身逼真的「AI 老奶奶」，能無需人工干預全天候即時接聽詐騙電話，用嘮家常的方式瘋狂浪費騙子時間，最長單次通話達 40 分鐘。用 AI 纏住騙子，讓真實使用者少受騷擾。
OpenAI 上線 ChatGPT Windows 版：支援快捷鍵撥出與高階語音
OpenAI 宣佈 ChatGPT Windows 桌面端正式向所有使用者開放。應用支援通過 Alt + Space 快捷鍵隨時撥出視窗，並集成了高階語音模式，方便在辦公時直接擴音語音交流。相比網頁端，隨叫隨到的桌面互動更加順手。
Google 上線 Gemini 獨立 iPhone 應用：支援即時語音對話與擴充套件外掛
Google 正式在 iOS 平臺推出獨立的 Gemini App。新應用支援 Gemini Live 即時語音對話，提供 10 種聲音並允許隨時打斷插話；同時內建 Imagen 3 畫圖能力，並能通過擴充套件外掛直接調取 Gmail、Maps 和 YouTube 等服務。
Wondercraft 接入 ElevenLabs：支援用克隆聲音重編 NotebookLM 播客
ElevenLabs 宣佈與音訊平臺 Wondercraft 深度整合，支援編輯 Google NotebookLM 生成的播客。創作者不僅能微調語氣，還能用克隆聲音定製專屬音訊。上線僅一週就有超 1 萬名使用者使用該功能，累計生成超 1.5 萬小時音訊。
CreatorKit 聯手 ElevenLabs：讓 AI 演員帶情緒演廣告
CreatorKit 聯合 ElevenLabs 推出 Emotive AI Actors。通過聲音克隆技術，AI 演員能根據臺詞自動匹配興奮、好奇等不同情緒。CreatorKit 稱帶情緒的聲音讓影片廣告轉化率提升了 16%。
DeepL 推出 DeepL Voice：支援 13 種語言即時語音轉文字翻譯
DeepL 推出首款語音產品 DeepL Voice，能將 13 種語言的語音即時翻譯為 33 種語言的文字字幕。目前它主打面對面交談和視訊會議，結果以文本顯示而非直接生成語音，視訊會議目前僅支援 Teams，暫未開放 API。
ElevenLabs 升級 Studio：長文本支援區域性重生成與多角色配音
ElevenLabs 宣佈改版長音訊創作工具 Studio（原 Projects）。新版支援選中單個詞或句子單獨重新生成以節省額度，並加入段落鎖定功能防止誤改，還允許在同一段落裡為不同對話混排多種聲線。這意味著製作有聲書和長篇旁白的精修成本大幅降低。
Google 測試 iOS 獨立版 Gemini：終於支援 Gemini Live 語音對話
據報道 Google 開始在 iOS 上小範圍測試獨立的 Gemini 應用，首次為 iPhone 帶來即時語音助手 Gemini Live。此前蘋果使用者只能通過 Google 應用的內建標籤體驗基礎功能。新應用甚至支援鎖屏通話，不過目前僅在菲律賓等少數地區 App Store 上架測試。
ElevenLabs 復刻傳奇樂手 Jerry Garcia 聲音：支援 32 種語言朗讀圖書
Jerry Garcia 遺產管理方與 ElevenLabs 合作，在 ElevenReader 應用中上線這位已故搖滾傳奇的 AI 復刻聲音。該語音支援用 32 種語言朗讀電子書、文章和 PDF。目前該模型僅用於文本朗讀，後續還將用於基金會的紀錄片旁白等專案。
Hume AI 推出新語音應用：免登入用麥克風聊，搭載 EVI 2 與 Claude
Hume AI 推出基於瀏覽器的語音應用，由自研語音模型 EVI 2 結合 Claude 3.5 Haiku 驅動。使用者無需註冊賬號，開啟網頁直接用麥克風與不同性格的 AI 助手對話，涵蓋問答與講故事等場景。不過測試顯示敘事模式下仍偶有重複與變調。
大模型版 Alexa 再度延期：開關燈總翻車，亞馬遜推遲至 2025 年
據彭博社報道，亞馬遜將大模型版 Alexa 推遲至 2025 年釋出。早期內測顯示新版回答囉嗦且響應遲緩，甚至連關燈、設鬧鐘等基礎家居操作都頻繁出錯。目前內測已被叫停，如何兼顧對話生成與穩定硬體控制成了最大瓶頸。
ElevenLabs 開源 X to Voice：分析 X 賬號生成專屬音色
上週，ElevenLabs 推出開源專案 X to Voice 並上線 Voice Design API。輸入任意 X 使用者名稱，系統會自動分析其簡介與發帖風格，生成對應提示詞與 3 個音色樣本，還能讓頭像對嘴型朗讀。開發者也能直接呼叫 API 為 AI 角色定製聲音。
Claude 推出桌面客戶端：移動端同步上線 10 分鐘語音聽寫
Anthropic 釋出 Claude 的 Mac 與 Windows 桌面客戶端公測版，免費與付費使用者均可使用。移動端（iOS 與 Android）則同步上線語音聽寫功能，單次最長可錄製 10 分鐘語音並轉寫回答。不過桌面端暫不支援聽寫，該功能也不是即時語音通話，更像發語音留言。
Claude 推出 Mac 與 Windows 桌面客戶端：支援快捷鍵撥出
Anthropic 正式推出 Claude 的 Mac 與 Windows 桌面客戶端公測版，免費與付費使用者均可使用。新客戶端支援通過快捷鍵隨手撥出，主打原生環境下的深度辦公體驗；同時移動端也上線了支援錄製最長 10 分鐘的語音聽寫功能。
ChatGPT 高階語音登陸桌面端：Mac 和 Windows 都能即時對話了
OpenAI 宣佈將高階語音模式推送到 macOS 和 Windows 桌面應用。使用者可以直接用自然語音讓 AI 寫程式碼或討論分析上傳的檔案，並提供 5 種全新音色可選。不過目前該功能僅限 Plus 和 Team 付費使用者使用，且暫不支援歐盟和英國等地區。
研究稱 OpenAI Whisper 頻發嚴重幻覺：部分測試虛構率達 80%
據美聯社報道，研究人員發現 OpenAI 的 Whisper 語音轉寫工具頻發「幻覺」，在密西根大學的一項測試中 80% 的音訊轉錄出現虛構內容，甚至憑空捏造醫療方案。儘管官方不建議用於高風險決策，但該模型已被廣泛接入醫療問診等場景。