Spotify 被曝研發 AI 口播廣告：克隆主播聲音，不用本人錄音
據外媒報道，Spotify 正在研發一項 AI 技術，計劃克隆播客主播聲音來自動生成口播廣告。主播無需親自錄音，即可針對不同地區受眾定製廣告乃至多語種版本。Spotify 方面回應稱正探索相關應用，但目前尚無正式訊息公佈。
AI語音
檢視更新的新聞
Meta 開源 MMS 語音模型：覆蓋超 1100 種語言，可識別 4000 種口語
Meta 開源 Massively Multilingual Speech（MMS）系列模型與程式碼。它將語音識別和合成支援拓展到 1100 多種語言，並能識別 4000 多種口語。團隊通過多語種聖經朗讀音訊解決了小語種資料匱乏的問題，希望以此減緩全球瀕危語言的消亡。
蘋果公佈無障礙新功能：讀 15 分鐘文本，生成你的 AI 分身聲音
Apple 預告了一批無障礙新功能。其中 Personal Voice 允許有失語風險的使用者對著麥克風朗讀 15 分鐘，就能在裝置本地訓練出逼真的個人合成語音，全程不上傳雲端；放大器還加入了指向即讀功能。新工具預計年內隨系統更新推送。
Wendy's 聯手 Google：汽車餐廳上線 AI 點餐機器人
快餐連鎖品牌 Wendy's 宣佈與 Google 合作推出 Wendy's FreshAI。該系統基於 Google 大模型定製，能聽懂「JBC」等選單黑話，計劃 6 月在俄亥俄州哥倫布市的汽車餐廳實測，現場仍有員工監督。
Humane 首次展示無螢幕 AI 穿戴裝置：掌心投影接電話、克隆原聲翻譯
Humane 聯合創始人 Imran Chaudhri 的 TED 完整演講公佈，首次公開演示其研發的無螢幕 AI 穿戴裝置。這枚胸夾式小裝置無需配對手機，支援掌心投影互動、郵件語音彙總，甚至能用克隆聲音做即時翻譯。最值得關注的是其替代手機的野心，但實際互動仍留下不少疑問。
Google 聯手醫療機構研發 AI 助聽技術：在嘈雜環境裡精準分離人聲
Google 聯合人工耳蝸廠商 Cochlear 等機構，研發基於 AI 的個性化助聽技術。該專案通過 AI 識別並分離特定聲源，幫助聽障人群在餐館或公共交通等嘈雜環境下聽清對話，目前正處於聯合研發階段。
Grimes 推出聲音軟體 Elf.Tech：用她聲音做 AI 歌，版稅對半平分
本週，Grimes 推出 AI 語音軟體 Elf.Tech，允許創作者上傳錄音並轉換成她的音色。生成的歌聲可以直接用於製作新曲，前提是將曲目 50% 的錄音版稅分給她。最值得關注的是，她選擇將個人聲線主動「開源」變現，把版權糾紛轉變成合作分成。
Amazon Music 升級播客：將用 AI 自動生成章節和精彩片段
據 5 月 6 日報道，Amazon Music 計劃為播客引入 AI 生成的精彩片段和章節劃分。該功能基於其去年底收購的音訊初創公司 Snackable AI，方便聽眾無需聽完全篇就能直接跳轉到關鍵討論點。Snackable AI 創始人現已入職掌舵該專案。
ElevenLabs 推出多語言模型 v1：支援德法西等 7 種語言，跨語種保留原聲
ElevenLabs 推出全新語音合成模型 Eleven Multilingual v1，新增法、德、印地、意、波蘭、葡萄牙和西語 7 種語言支援。該模型能在切換語言時保留說話人獨特的音色與原口音，併兼容聲音克隆。不過非英語輸入下的數字與縮寫有時仍會預設按英文發音。
Grimes 允許隨意克隆聲音：AI 爆款歌版稅五五分，甘當小白鼠
藝術家 Grimes 在社交平臺宣佈，任何使用其 AI 聲音製作的成功歌曲，都可以與她五五平分版稅。她表示自己沒有唱片合約與法律束縛，任何人都可以免責使用其聲音，自己樂於支援開源藝術併成為新技術的小白鼠。
Humane 首次演示穿戴式 AI 裝置：無螢幕設計，把畫面投在手心
前蘋果員工創立的 Humane 在 TED 演講中演示了其穿戴式 AI 裝置。該裝置無需連線手機，依靠語音和手勢互動，能將通話等資訊投影到手掌上顯示，並現場展示了即時法語翻譯。更多細節將在未來數月公佈。
AI 克隆聲音實施電話詐騙：休斯敦夫婦被捲走 5000 美元
訊息，得州一對夫婦遭遇 AI 語音擬真詐騙，騙子克隆其兒子聲音謊稱車禍重傷急需保釋，騙走 5000 美元。法醫專家指出騙子僅憑社交平臺公開音訊就能生成聲音。面對類似緊急要錢的通話，結束通話後用原聯絡方式核實至關重要。
Google 披露通用語音模型 USM：已支援超 100 種語言，奔著 1000 種去
Google 公佈通用語音模型 USM 的最新進展。該模型擁有 20 億引數，使用 1200 萬小時語音資料訓練，目前已支援 100 多種語言的自動識別與翻譯，且已接入 YouTube 自動生成字幕。這是其打造支援 1000 種語言大模型體系的關鍵一步。
OpenAI 開放 ChatGPT 與 Whisper API：成本大降 90%，每千 token 僅 0.002 美元
OpenAI 正式向開發者開放 GPT-3.5 Turbo 與 Whisper 的 API。新上線的 gpt-3.5-turbo 定價為每千 token 0.002 美元，比原有 GPT-3.5 便宜 10 倍；語音轉文字模型 Whisper 每分鐘 0.006 美元。最關鍵的是，OpenAI 承諾 API 提交的資料預設不再用於模型訓練。
Voicemod 獲 1450 萬美元融資：要給每個人做即時 AI「聲音濾鏡」
音訊工具開發商 Voicemod 宣佈完成 1450 萬美元融資。團隊正融合此前收購的 Voctro Labs 技術，將傳統數字訊號變聲升級為生成式 AI 即時換聲與「以歌變歌」功能。這相當於給日常語音戴上濾鏡，讓普通人在遊戲和連麥中也能借 AI 聲音即時換聲甚至開唱。
Spotify 推出 AI DJ：把私人電臺裝進口袋，邊放歌邊真人解說
Spotify 推出測試版功能 DJ。它結合 OpenAI 的生成式 AI 與收購自 Sonantic 的擬真語音技術，根據個人偏好選曲，並在切歌時穿插音樂背景解說。聽眾點選 DJ 按鈕即可一鍵換流派，首發面向美加 Premium 使用者。
協議暗藏「練 AI」條款遭抗議：Apple 暫停調取有聲書配音檔案
本週，工會 SAG-AFTRA 證實 Apple 與有聲書平臺 Findaway 同意停止使用會員錄音訓練 AI。此前平臺協議被曝暗藏條款允許 Apple 提取音訊訓練模型，引發配音員抗議聲音被盜用於砸自己飯碗。目前雙方已暫停調取檔案，工會正協商後續補償與限制。
麥當勞得來速 AI 接連翻車：TikTok 網友吐槽點餐點出 250 美元雞塊
據報道，多位 TikTok 使用者釋出影片吐槽麥當勞得來速的 AI 語音點餐機器人頻頻出錯。有人要水和冰淇淋卻被錄成黃油與番茄醬，甚至有人被機器人點出了 250 美元的麥樂雞大單。雖然快餐業在積極試水自動化，但現實表明 AI 接管餐廳還早得很。
亞馬遜 CEO 回應 ChatGPT 熱潮：令人興奮，但我們早就研發類似技術了
亞馬遜 CEO Andy Jassy 表示，生成式 AI 確實令人興奮，但亞馬遜長期以來都在自研類似的大型模型。面對外界關於其在生成式 AI 領域落後於微軟的擔憂，亞馬遜表示正致力於讓 Alexa 具備更強的對話能力，並尋求與初創 AI 公司展開合作。
Twitch 連播一個月 AI 版《宋飛正傳》：GPT-3 編劇，臺詞鏡頭全自動
Twitch 直播節目《Nothing, Forever》已連續開播超一個月，全天候播放 AI 生成的《宋飛正傳》仿作。其臺詞由 GPT-3 即時編寫，語音與鏡頭排程也全由演算法接管。雖然角色時常穿模、笑話無厘頭，但團隊藉此展現了一場永不落幕的自動化內容試驗。