Plenio 1.0 发布:ComfyUI 里的免费 AI 歌曲工作室,新增播放器与视频导出
Plenio Music Production System 1.0.0 发布,这是一套跑在 ComfyUI 里的免费 AI 歌曲制作系统,从歌词、演唱到母带和导出全流程打通。
选题角度:作者放出 Plenio 1.0 的免费 ComfyUI 节点和演示入口,适合录屏走一遍从描述到成曲再到导出视频的完整流程。
Plenio Music Production System 1.0.0 发布,这是一套跑在 ComfyUI 里的免费 AI 歌曲制作系统,从歌词、演唱到母带和导出全流程打通。
选题角度:作者放出 Plenio 1.0 的免费 ComfyUI 节点和演示入口,适合录屏走一遍从描述到成曲再到导出视频的完整流程。
Runway 上线 Mirelo SFX 2.0,可根据视频自动生成与每一帧同步的完整音景,同时保留原有对白。官方给出了开始使用的链接。
选题角度:官方给出 Mirelo SFX 2.0 在 Runway 上线的入口,适合用同一段视频对比自动音效生成前后、并测试对白是否保留。
OpenAI 发布 GPT-Live-1.1,为 ChatGPT、Codex 和 dots 的语音功能带来新音色、更好的口音,并减少“checking...”式的停顿。新增法语、德语、印地语、墨西哥西班牙语、韩语和日语音色,今日起向所有用户推送,API 版本即将上线。
选题角度:官方给出 GPT-Live-1.1 在 ChatGPT、Codex 和 dots 语音上的更新,适合实测多语种新音色与口音改善,并对比“checking...”停顿是否变少。
xAI 发布 Grok Voice 3.0,作者称其已成为全球第一的语音到语音模型,响应时间低于 1 秒。该模型已在 Grok Bot 语音模式、特斯拉和 Starlink 支持中上线,作者称这是 AI 语音最接近真人的一次。
MireloAI 发布新的 SFX 模型,主打为 AI 视频生成真实音效,同时保留人声。Justine Moore 指出,AI 视频画面已经很好,但声音常常过不了图灵测试,很多模型会生成多余的音乐、夸张的音效或与场景不符的音频,她认为这个新模型能解决这一问题。
选题角度:原文点出 AI 视频音效不贴场景的痛点,并称 MireloAI 新 SFX 模型能在保留人声的同时生成真实音效,适合做新旧音效对比实测。
苹果发布四类智能家居新品,包括带屏中枢 HomeView、Apple TV 4K、HomePod mini 2 以及与 LG、施耐德合作的 Home Collection 配件。
选题角度:苹果一次性发布 HomeView、Apple TV 4K、HomePod mini 2 等家居新品,可梳理四款产品的芯片、价格与 Siri AI 落地差异。
苹果在官网发布智能家居新品,包括全新智能家庭中枢 HomeView、新款 Apple TV 4K 和 HomePod mini 2。HomeView 配备 7 英寸 Liquid Retina 屏幕、A18 芯片并支持 Siri AI,桌面版和墙面版两种形态,美国售价 299 美元,Siri AI 目前只在少数国家支持英语。
选题角度:苹果发布智能家居中枢 HomeView 及两款迭代新品,可对比 299 美元 HomeView 与米家、Ring 门铃的价格差,聊苹果智能家居生态的短板。
苹果发布 HomeView 家庭中枢,一台 7 英寸屏幕设备,可听歌、打 FaceTime、管理智能家居,内置新版 Siri AI,售价 $299,今天开始预订,11 月 13 日发售。
选题角度:苹果 HomeView 的 7 英寸家庭中枢已开放预订,可围绕 6 人识别、Siri AI 与隐私隔离设计做上手解读。
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上,背后使用 GPT-6 Astra。同时借助 GPT-Image-2.5 提升画面精度,并通过 GPT-Live 打通语音电影制作路径。
英国上议院议员 Baroness Campbell 使用 ElevenLabs 克隆的本人声音,在 Health Bill 二读中完成英国议会首次由 AI 生成声音发表的演讲。
选题角度:原文讲的是英国上议院首次用 AI 克隆声音发言,可围绕当事人自述的“用 AI 说自己的话”和 11000 人恢复声音这两个事实做热点评论。
ElevenLabs 的消费级音频平台 ElevenReader 在巴西上线,用户可选用演员兼喜剧演员 Fábio Porchat 的声音朗读小说、PDF 或文章链接。
选题角度:原文给出巴西区免费入口和 7 万本葡语有声书目录,适合实测导入 PDF 或文章后用 Fábio Porchat 声音朗读的效果。
Theoretically Media 实测了 Kling 4 早期访问版,覆盖文生视频、图生视频、Omni 和关键帧加 Omni 玩法,目前仅提供 Flash、720p,Ultra 为年付专属。
选题角度:作者实测 Kling 4 的文生视频、图生视频和关键帧加 Omni 玩法,并对比 Ideogram 4.5 反复编辑同一张图不漂移的效果,适合做多模型横评。
ElevenLabs 发布 Eleven v4 的 Audio Tags 列表,用方括号内的自然语言提示词控制语音的情绪、音量、节奏、反应、口音和音效。标签不限于固定列表,可以组合成 [whispering, fearful] 或描述情境与角色,在 Eleven v4、Eleven v4 Turbo 和 Eleven v3 上通过 ElevenAPI 使用。
选题角度:官方给出 Eleven v4 的 Audio Tags 用法和情绪轮试听入口,适合录屏演示同一句台词加不同标签后的语气差异。
ElevenLabs 发布情感表现力最强的文本转语音模型 Eleven v4 及低延迟版本 Eleven v4 Turbo,两者支持 90 多种语言,现已上线 ElevenAgents、ElevenCreative 和 ElevenAPI。
选题角度:官方给出 Eleven v4 与 Turbo 的样片、音频标签写法和 ~100ms 延迟数据,适合做同一句台词在旧版与 v4 下的情绪表达对比。
ElevenLabs 发布教程,介绍如何用 Eleven v4 的 Audio Tags 为 TTS 脚本加入情绪指令,让同一句话按 [furious]、[excited]、[sarcastic]、[crying]、[worried] 等标签呈现不同表演。
选题角度:原文用同一句台词配 [furious]、[excited]、[sarcastic]、[crying]、[worried] 五种 Audio Tag 生成五版语音,适合做情绪标签前后对比的实测演示。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮次的视觉化对话,即日起在 Gemini Enterprise 上线。
选题角度:官方给出多语言实时对话演示和酒店入住工具调用案例,适合录屏实测口型同步与后台调用工具时的对话连贯度。
ChatGPT Voice 迎来重大升级,全球可用的语音功能现在运行在 OpenAI 新的 GPT-6 Astra、Sol 和 Luna 模型上,并首次可以访问邮件、日历和 Slack 等插件。
选题角度:原文给出演示视频和邮件、日历、Slack 等插件入口,适合按演示场景逐条实测语音完成日常任务的效果。
Google 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型,前者可用文字提示词从零设计音色,定义角色、口音和声音特征,两者均支持 100 多种语言并可为每句台词添加舞台指示。
选题角度:作者用预设音色加风格提示词实测了柏林口音英语,可复现这段提示词并对比官方样片与背景杂音问题。
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,即日起在 Gemini API 和 Google AI Studio 上线,Flash-Lite 版同步进入 Google Vids。
选题角度:原文给出两款 TTS 模型的开放入口、2000+ 音色库和 30 秒声音复刻能力,适合上手实测同一段脚本的语音生成效果。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向角色设计与逐句表演指导,后者面向高并发、低成本的配音与语音智能体场景。
选题角度:官方给出 AI Studio 音频 playground 入口和 30 秒样本复刻声音的流程,适合录屏实测从提示词造声到双人剧本逐句导演的完整玩法。