OpenAI 釋出 GPT-4o 系統卡：說服力達中等風險，語音重點防偽造
OpenAI 正式釋出 GPT-4o 系統卡片與安全評分。在四項核心準備度評估中，生物威脅、網路攻擊與自主性均為低風險，僅說服力被評為中等；針對端到端語音帶來的聲音偽造、版權等新隱患，團隊動用 100 多名跨國紅隊進行了多輪對抗測試並內建攔截。
AI語音
檢視更新的新聞
Amazon Music 上線 Topics：用 AI 拆解播客話題，按興趣找單集
Amazon Music 推出基於 AI 的 Topics 功能。該功能借助 AWS 技術分析播客轉錄文本與描述，提煉單集涉及的核心話題標籤。使用者點選標籤即可直接瀏覽討論同一主題的其他單集，目前已在移動端的熱門播客中開放。
傳 Meta 砸數百萬美元談明星聲音：朱迪·丹奇等或入駐 Meta AI
據彭博社和《紐約時報》報道，Meta 正斥資數百萬美元與朱迪·丹奇、奧卡菲娜等明星洽談，計劃購買其聲音版權用於 Meta AI 助手。這批語音預計在 9 月的 Connect 大會亮相，並覆蓋 Instagram 及 Ray-Ban 智慧眼鏡等平臺。
ChatGPT 高階語音模式早期演示曝光：能學方言糾正發音，還會講笑話
據 The Verge 報道，OpenAI 近日向部分 ChatGPT Plus 使用者小範圍開放了高階語音模式。網路流出的實測影片顯示，它能模仿機長廣播音效、用不同方言講故事、糾正法語發音甚至唱歌。OpenAI 表示該功能將在今年秋季向所有 Plus 使用者開放。
Taco Bell 加速落地語音 AI：年底前覆蓋全美數百家得來速門店
百勝餐飲宣佈將在 2024 年底前把「Voice AI」點餐推向全美數百家 Taco Bell 得來速門店。該系統已測試約兩年，旨在減少漏單並縮短排隊時間。雖然麥當勞此前叫停了類似測試，但百勝顯然打算繼續押注。
Vimeo 上線 AI 影片翻譯：自帶原聲克隆，一鍵生成 29 種語言音軌
Vimeo 推出基於生成式 AI 的影片翻譯工具，不僅能轉譯音訊和字幕，還能克隆原發言人的音色與語調。該功能支援 50 多種原語言輸入並輸出為 29 種語言，觀眾能在播放器中直接切換音軌，大幅降低了企業跨國培訓和出海營銷的本地化成本。
伴侶項墜 Friend 開啟預購：99 美元主打全天候傾聽與陪伴
開發者 Avi Schiffmann 釋出 AI 伴侶硬體 Friend 的預告片並開啟預訂。這款 99 美元的項墜通過藍牙連手機全天候傾聽，主打情感陪伴而非生產力，已獲 250 萬美元融資，預計 2025 年 1 月發貨。
NVIDIA 更新數字人技術：推出可感知情緒的 AI 助手 James
NVIDIA 在 SIGGRAPH 預覽了互動式數字人「James」以及 Maxine 3D 等技術。James 基於 NVIDIA ACE 與 ElevenLabs 語音打造，能帶情緒和幽默感進行即時互動。最關鍵的是，普通 2D 影片肖像現可通過 Maxine 3D 快速生成 3D 數字人化身。
馬斯克轉發哈里斯 AI 換聲影片：未注惡搞標籤，涉嫌違規
週五，馬斯克在 X 上轉發了一段偽造副總統哈里斯聲音的 AI 競選惡搞影片，並配文「太讚了」。因未保留原推文中的「惡搞」免責標識，該帖被指違反 X 自身禁止誤導性合成媒體的平臺政策，引發多名官員譴責。
法國實驗室 Kyutai 推出 Moshi：延遲僅 200ms 的開源即時語音 AI
法國非營利 AI 實驗室 Kyutai 展出即時語音助手 Moshi 並宣佈開源。它僅由 8 人團隊耗時半年研發，端到端延遲低至 200 毫秒，支援 70 種情緒，還能在筆記本本地邊聽邊說。
ElevenLabs 推出 Voice Isolator：一鍵消除噪音提取純淨人聲
ElevenLabs 推出音訊分離工具 Voice Isolator。它基於專有深度學習模型，能從雜亂環境音、交談聲或音樂中提取純淨人聲，支援 WAV、MP3 等多種格式。使用者每月可獲得 1 萬點額度，無需安裝外掛就能在瀏覽器裡直接處理。
ElevenLabs 讓傳奇影星「發聲」：用朱迪·加蘭的聲音給你讀名著
ElevenLabs 宣佈在 Reader App 中引入朱迪·加蘭、詹姆斯·迪恩、伯特·雷諾茲等已故影星的 AI 聲音。使用者可以用加蘭的聲音聽《綠野仙蹤》，或讓勞倫斯·奧利弗爵士朗讀《福爾摩斯》。不過這些經典聲音僅限個人在 App 內流式收聽，不能匯出用於內容創作。
時代週刊聯手 ElevenLabs：官網文章上線 AI 自動朗讀
TIME 宣佈在 TIME.com 上線 ElevenLabs 的 Audio Native 播放器，為精選報道提供自動語音旁白。雙方從 2023 年 3 月開始接觸，現在讀者可以直接用耳朵聽新聞，無需盯屏閱讀。
Character.AI 上線語音通話功能：能打斷、低延遲，支援中文
Character.AI 宣佈面向全部使用者上線即時語音通話功能，支援中文、英文、日文等多種語言。使用者一鍵即可與 AI 角色雙向對話，並支援隨時打斷與文字無縫切換，適合用來練口語或模擬面試。
Peacock 推出 AI 版傳奇解說：定製你的奧運專屬早報
NBCUniversal 宣佈將在 Peacock 平臺推出「Your Daily Olympic Recap」，用 AI 克隆傳奇解說員 Al Michaels 的聲音播報定製奧運集錦。使用者輸入名字並選定偏好運動後，每天能聽到叫得出自己名字的專屬戰報。官方預計生成近 700 萬種變體，並安排人工編輯審聽防翻車。
OpenAI 延期釋出高階語音模式：測試推遲一個月，秋季全員開放
OpenAI 宣佈原定 6 月底向少量 ChatGPT Plus 使用者推出的高階語音模式 Alpha 測試推遲一個月。官方表示需要時間提升內容攔截能力並最佳化承載架構，預計秋季向所有 Plus 使用者開放。
ElevenLabs 推出 Reader App：用逼真 AI 語音讀文章，前 3 個月免費
ElevenLabs 推出移動端 Reader App。它能把手機裡的文章、PDF、ePub 和郵件通訊轉換成高擬真的 AI 語音朗讀，支援多種音色與口音。應用已上線 iOS 和 Android，前 3 個月免費，目前僅支援英語，後續將拓展至 29 種語言。
Synthesia 2.0 釋出：用手機自拍做數字人，手勢肢體動作今年上線
Synthesia 推出企業級影片平臺 Synthesia 2.0。新版本不僅支援用手機或攝像頭錄製專屬數字人，並同步復刻 30 多種語言音色，還展示了今年晚些時候上線的帶手勢全身數字人。企業做培訓和演示不用再約影棚，對著攝像頭錄一段就能批次生成影片。
TikTok 推出 Symphony 數字人：支援定製分身與多語言 AI 配音
TikTok 推出廣告 AI 工具 Symphony 數字人分身與 AI 配音功能。該工具提供支援 30 多種語言的預製授權數字人及定製分身，配合配音可將影片轉譯為 10 多種語言。這意味著創作者和品牌無需重複實拍，就能低成本規模化出海投放。
DeepMind 公佈 V2A 技術：看懂影片畫面，自動生成配樂與對白
Google DeepMind 公佈影片轉音訊（V2A）技術研究進展，能結合影片畫面與文本提示生成同步聲音。該系統基於擴散模型，無需手動對齊即可為靜音影片或老膠片搭配配樂、擬音與臺詞。不過目前口型同步等仍有侷限，模型尚未公開發布。