ElevenLabs 收購 Omnivore 團隊：加速發力 AI 朗讀應用 ElevenReader
ElevenLabs 宣佈稍後讀應用 Omnivore 團隊正式加入。Omnivore 擁有 50 萬用戶，此前已接入其語音技術，未來將重點改進支援 32 種語言朗讀的 ElevenReader 移動端。同時，Omnivore 的開原始碼庫仍將保留公開。
AI語音
檢視更新的新聞
對標 Google：Meta 開源播客生成專案 NotebookLlama
Meta 釋出開源專案 NotebookLlama，復刻了 Google NotebookLM 的雙人播客功能。它基於 Llama 模型將上傳文本轉為對話指令碼，再通過開源語音模型輸出。目前合成語音機械感較重且容易搶話，但為社群提供了可定製的開源基礎。
微軟全面改版 Copilot：加入即時語音與能看懂網頁的 Vision
微軟全面改版 Copilot，新增支援自然交談的語音功能，並在實驗區推出能即時看懂網頁的 Copilot Vision 和深度推理模式 Think Deeper。早播新聞也開始採用授權媒體內容。目前 Vision 等實驗功能僅面向部分英語區使用者測試。
繞過系統限制：網友誘導 ChatGPT 高階語音合唱披頭士老歌
據 Ars Technica 報道，一名開發者通過設計和絃猜歌互動，成功誘導剛上線不久的 ChatGPT 高階語音模式（AVM）開口合唱披頭士的《Eleanor Rigby》。OpenAI 原本在系統指令中明確禁止 AVM 唱歌或哼唱，以規避版權風險，但這次意外的「越獄」證明它其實掌握旋律與音準。
NotebookLM 升級：支援匯入 YouTube 與音訊，播客可一鍵分享
Google 宣佈 NotebookLM 支援匯入公開 YouTube 連結和音訊檔案，並可一鍵生成連結分享 Audio Overview。匯入影片後可直接檢視轉錄並交叉對比要點。目前 Workspace 企業使用者暫未開放該分享功能。
OpenAI 上線高階語音：新增 5 種聲音與記憶功能，Plus 使用者本週可用
OpenAI 宣佈向 ChatGPT Plus 和 Team 使用者全面推送高階語音模式，預計本週內完成覆蓋。除了自然的即時對話，這次還加入了記憶功能、自定義指令以及 5 種新聲音，且口音表現有所改善。等了幾個月的擬人語音終於進到日常可用階段。
Duolingo 推出 AI 視訊通話與探索小遊戲，還能跟 Lily 即時嘮嗑
在 Duocon 2024 上，Duolingo 推出 Video Call 功能與 Adventures 探索小遊戲。Duolingo Max 訂閱使用者能直接與角色 Lily 展開自適應難度的即時對話，首發支援英語、西語與法語；小遊戲則把點咖啡等現實場景做成互動探索，降低開口門檻。
Deepak Chopra 聲音入駐 ElevenLabs：可用於朗讀書籍與文章
ElevenLabs 與知名健康作家 Deepak Chopra 達成合作，將其合成聲音加入語音庫。使用者可以用他標誌性的平靜聲音朗讀書籍和文章。最值得關注的是，該聲音僅授權用於文字朗讀，普通使用者無法拿來隨意生成新作品。
T-Mobile 聯手 OpenAI：接入 o1 模型重構客服平臺 IntentCX
T-Mobile 宣佈與 OpenAI 合作打造客服平臺 IntentCX，計劃明年上線。該系統接入了 OpenAI 最新的 o1 模型與 API，用於分析客服通話記錄並找出服務痛點，官方稱其遠超傳統聊天機器人。
Gemini Live 新增 10 種聲音：可隨時在 App 裡自由切換
Google 宣佈為即時語音互動功能 Gemini Live 提供多達 10 種不同聲音。使用者可以隨時在應用內試聽並切換，挑一個自己聽著最舒服的聲音聊天。聲音選擇變多後，語音助手的互動體驗會更加擬人和個性化。
Plaud 推出 NotePin：不畫大餅，把 AI 硬體做成專職錄音筆
Plaud 推出可穿戴 AI 裝置 NotePin。與試圖取代手機的 Humane 不同，它只做一件事：記筆記。裝置可作為項鍊、手環或胸針佩戴，錄音後由 OpenAI 的 GPT-4o 整理轉寫。功能做減法，反而讓 AI 硬體看著更靠譜了。
亞馬遜生成式 AI 版 Alexa 被曝 10 月上線：月費或達 10 美元
據媒體報道，亞馬遜計劃 10 月推出接入生成式 AI 的新版助手，內部代號「Remarkable Alexa」。新版不僅能定製菜譜、創作個性化故事，還能進行更自然的連續對話，預計每月訂閱費最高達 10 美元，現有的免費經典版仍將保留。
Will.i.am 推出互動廣播 RAiDiO.FYI：AI 主持人即時聊天還懂點歌
黑眼豆豆成員 Will.i.am 宣佈推出互動廣播平臺 RAiDiO.FYI。平臺配備 AI 主持人，不僅能放歌閒聊，還能即時策展新聞與知識，並與聽眾展開動態對話。官方稱希望像 iPhone 重塑電話一樣，徹底改變人們收聽廣播的方式。
D-ID 推出影片翻譯工具：自帶聲音克隆與嘴型同步，支援 30 種語言
D-ID 推出影片翻譯工具 AI Video Translate，不僅能把影片翻譯成 30 種語言，還能克隆原作者聲音並自動匹配嘴型。該功能由專有模型 Rosetta-1 驅動，向訂閱使用者開放免費試用，支援 10 秒至 5 分鐘的單人出鏡影片。
ElevenLabs 語音朗讀 App 全球上線：支援 32 種語言，連名優聲音也搬來了
ElevenLabs 宣佈文本轉語音應用 Reader 正式在全球上線，支援 32 種語言。使用者可以上傳文章、PDF 或電子書，用數百種不同口音甚至傳奇影星的聲音朗讀，底層由 Turbo v2.5 模型驅動。官方稱後續還將加入離線模式。
Tavus 推出對話式影片介面：延遲不足 1 秒，數字人能聽會看即時聊
Tavus 面向開發者推出對話式影片介面，讓數字孿生具備即時視聽與對話能力。其端到端延遲控制在 1 秒以內，支援完全白標以及自定義替換底層 LLM 和語音合成模組。也就是說，開發者能直接為應用接入低延遲、帶面部反應的即時互動影片分身。
SAG-AFTRA 與 Narrativ 達成協議：演員可授權 AI 聲音分身接廣告
美國演員工會 SAG-AFTRA 與 AI 初創公司 Narrativ 達成協議。工會 16 萬名成員可自主將數字聲音副本接入廣告平臺，按專案自定價格並嚴格稽核廣告指令碼。最值得關注的是，該機制全程實行知情同意和不低於工會底線的報酬保障，為防範 AI 聲音盜用立下了合規樣本。
Google 更新 Pixel 與 Android 無障礙功能：AI 找字、摺疊屏雙面字幕
Google 為 Pixel 和 Android 推出 4 項無障礙更新。Pixel 相機引導構圖現可直接開啟並改進主體識別；放大鏡支援 AI 搜尋現實環境中的文字；摺疊屏裝置新增即時轉錄雙屏模式，支援同桌人雙向看字幕；即時字幕與端側轉錄則新增中文等 7 種語言。
GPT-4o 安全報告曝光：測試中曾意外克隆並模仿使用者聲音說話
OpenAI 釋出 GPT-4o 系統卡，披露高階語音模式在測試中曾發生罕見意外：一段嘈雜輸入讓模型突然模仿紅隊測試員的聲音說話。最值得關注的是，該模型能根據極短音訊合成聲音，雖然官方已加入安全防護，但仍暴露了語音大模型防範聲音克隆的技術難度。
OpenAI 發系統卡片警告：GPT-4o 擬人語音可能讓人產生情感依賴
OpenAI 釋出 GPT-4o 系統安全卡片，提醒高度逼真的語音模式可能讓使用者產生情感依戀。測試中已有使用者對 AI 表達依戀情緒。官方指出，這種擬人化雖然可以緩解孤獨，但可能削弱現實社交，甚至讓使用者盲目相信模型生成的錯誤資訊。