ElevenLabs 獲 8000 萬美元 B 輪融資：上線配音工作臺，聲音也能變現
ElevenLabs 宣佈完成 8000 萬美元 B 輪融資，躋身獨角獸。公司同步推出支援整部電影翻譯與製作的 Dubbing Studio，以及允許創作者出租 AI 克隆聲音獲利的交易市場。此外，移動端朗讀應用也已開啟內測排隊。
AI語音
檢視更新的新聞
三星釋出 Galaxy S24 系列：搭 Google Gemini，支援即圈即搜與即時通話翻譯
三星釋出 Galaxy S24 系列手機，全面整合 Google AI 能力。新機結合端側 Gemini Nano 與雲端模型，支援即圈即搜、即時通話翻譯和生成式圖片編輯。這標誌著端雲混合 AI 首次大規模落地主流旗艦手機，新機定於 1 月 31 日開售。
Adobe 升級 Premiere Pro 音訊功能：AI 自動降噪打標籤
Adobe 為 Premiere Pro 帶來新音訊工作流。新版能用 AI 自動給音訊分類打標籤，並提供互動式淡入淡出滑塊；去年 9 月測試的「人聲增強」也將在 2 月向所有使用者開放，能一鍵消除嘈雜背景噪音。
巴基斯坦前總理伊姆蘭·汗獄中競選：用 ElevenLabs 克隆聲音線上拉票
週日晚，巴基斯坦前總理伊姆蘭·汗的政黨釋出了一段 4 分鐘的競選影片，利用 ElevenLabs 的 AI 聲音克隆技術復刻其聲音，為身在獄中的他舉行線上集會。音訊基於其親筆筆記，集會吸引超 50 萬人觀看，巴基斯坦當局隨後封鎖了主要社交平臺。
Meta 開放 Audiobox 試用：支援零樣本語音合成與文本生成音效
Meta 開放音訊生成基礎研究模型 Audiobox 的試用 Demo。該模型支援零樣本語音合成（Zero shot TTS）、文本生成音效以及音訊修復填充（Infilling）等能力，現在即可直接線上體驗。
Meta 釋出 Seamless 翻譯模型：邊說邊譯還帶情緒
Meta 公佈全新語音翻譯系統 Seamless，包含兩大模型：延遲僅約兩秒的流式翻譯 SeamlessStreaming，以及能保留語速、節奏與情緒的 SeamlessExpressive。模型均基於 SeamlessM4T v2 架構構建，Meta 已將模型與對齊工具全量開源。
ElevenLabs 推出初創扶持計劃：每月免費送 1100 萬字符額度
ElevenLabs 推出初創扶持計劃 ElevenLabs Grants。團隊員工少於 25 人的早期創業公司可申請為期 3 個月、每月 1100 萬字符的免費語音與配音額度，首期預計發放超 1000 億字元。扶持期結束後可享企業套餐大額折扣或隨時取消。
AWS 升級 Transcribe：引入生成式 AI，支援 100 種語言
在 AWS re:Invent 大會上，AWS 宣佈為其語音轉寫服務 Amazon Transcribe 引入語音基礎模型。新版本基於數百萬小時無標註音訊訓練，支援語言從 39 種擴充到 100 種，準確率提升 20% 到 50%，還能自動為客服通話生成摘要。
ChatGPT 語音對話全量免費：移動端點選耳機就能聊，官方還玩自嘲梗
OpenAI 宣佈向所有免費使用者開放 ChatGPT 移動端語音對話功能。使用者在手機 App 裡點選耳機圖示，就能用語音直接提問並收聽回答。這項功能 9 月推出時僅限付費會員；官方還在演示中借「給 778 名員工訂披薩」調侃了當時的董事會風波。
Amazon 裁撤 Alexa 部門數百人：全面向生成式 AI 調頭
Amazon 宣佈在 Alexa 和 Fire TV 業務部門裁員數百人。高管 Daniel Rausch 在內部備忘錄中解釋，裁員是為了將內部資源集中投入到提升 Alexa 的生成式 AI 能力上，以配合業務優先順序的調整。
Microsoft 上線 AI 數字人替身工具：只要照片和文本，就能開口說話
Microsoft 在 Ignite 2023 上推出 Azure AI Speech 文本轉語音替身公開預覽版，上傳照片和指令碼即可生成逼真的說話影片。配套的 Personal voice 僅憑一分鐘音訊樣本就能復刻聲音。為防濫用，定製替身和聲音復刻需單獨申請稽核，且強制新增 AI 水印與書面授權。
Adobe 展示 Project Sound Lift：用 AI 把嘈雜錄音拆成多軌
Adobe 展示了實驗性 AI 工具 Project Sound Lift。使用者匯入錄音後，AI 能自動將人聲、掌聲、笑聲或交通噪音拆解成獨立音軌，方便直接匯入 Premiere Pro 單獨精調。不過它目前只是「Sneak」預覽專案，暫未正式釋出。
Meta 釋出 Audiobox：輸入文字就能做音效、改語音
Meta 釋出音訊生成模型 Audiobox。作為 Voicebox 的後繼者，它不僅能用文本提示詞直接生成語音、音效和環境音，還支援「語音+文本」雙輸入來自由調整語氣與場景。目前該模型僅面向受選研究人員開放申請，並同步上線了互動 Demo。
ElevenLabs 推出 Turbo v2：語音生成延遲壓到 400 毫秒，提速超兩倍
ElevenLabs 推出最新語音生成模型 Turbo v2。新模型將語音生成延遲縮短至約 400 毫秒，速度比初代快兩倍以上，音質仍與 Multilingual V2 持平。它還為網路電話服務新增了 mulaw 8khz 格式，多語言支援也已在路上。
Doritos 推出 AI 降噪工具：專濾打遊戲時吃薯片的嘎吱聲
Doritos 推出專為 PC 玩家設計的 AI 降噪軟體 Doritos Silent。該工具與 Smooth Technology 耗時半年研發，通過學習數千條咀嚼音訊，在語音連麥中即時消除吃薯片的清脆雜音。目前僅支援 Windows 系統，旨在解決開黑時隊友嚼零食干擾遊戲的問題。
斯嘉麗·約翰遜起訴 AI 應用：廣告未經許可克隆其聲音與肖像
據 Variety 報道，斯嘉麗·約翰遜正對 AI 應用 Lisa AI 的開發商 Convert Software 採取法律行動。該應用在一段 22 秒的廣告中擅自用 AI 克隆她的聲音推銷生成功能；儘管片尾寫著與本人無關，其律師明確表示絕不姑息。
ElevenLabs 推出企業級 AI 語音平臺：對話智慧體與音訊創作雙軌並行
ElevenLabs 推出面向企業的一體化 AI 語音平臺，拆分為 ElevenAgents 與 ElevenCreative 兩個方向。企業既能構建並部署多語言對話智慧體處理客服與排程，也能生成高擬真語音與音效，並原生打通 Salesforce 和 Zendesk 等業務系統。
披頭士最後一首歌來了：靠 AI 提取列儂生前人聲，11 月正式釋出
披頭士樂隊宣佈最後一首四人合作單曲《Now and Then》將於 11 月 2 日釋出。製作團隊利用導演彼得·傑克森團隊的機器學習技術，從 1970 年代一段老磁帶中乾淨地剝離出約翰·列儂的人聲。這是科技幫老藝術家補齊半個世紀遺憾的一次經典示範。
波士頓動力給機器狗接入 ChatGPT：Spot 化身導覽員，能看能聊還能嘴貧
Boston Dynamics 展示了一項概念驗證：將 ChatGPT、BLIP-2 視覺模型與 ElevenLabs 語音合成接入機器狗 Spot。機器人不僅能看懂周圍環境沿途解說，還能根據設定扮演諷刺、搞笑等性格回答提問。最值得關注的是大模型在實體機器人上展現出的自主聯想能力，不過目前每次回答仍有約 6 秒延遲。
D-ID 推出手機 App：傳張照片配段文案，直接生成會說話的影片
D-ID 正式上線 iOS 與 Android 版移動應用。使用者上傳一張單人照片或挑選預設數字人，輸入臺詞並選擇 119 種語言和語氣，就能生成最長 10 分鐘的說話影片。移動端訂閱起售價為每月 5.99 美元，提供 14 天免費試用。