NTT Docomo Business 携手 ElevenLabs 在会津若松试验对话式 AI
NTT Docomo Business 正与 ElevenLabs 合作，在福岛县会津若松市试验由 ElevenAgents 驱动的语音社区平台，其 AI 助手 CONN 为老年居民提供本地信息和日常对话。该试验与武田健康基金会合作、并获会津若松市协助，2025 年秋季启动的现场试验早期用户反馈积极。团队还看到将语音 AI 嵌入其电话基础设施及支持日本旅游业多语言服务的潜力。
#语音
ElevenLabs BlogAI 评分2424 Hugging Face BlogAI 评分3636 Granite Switch 4.1 发布：一个端点搞定对话、决策与语音
Hugging Face 发布 Granite Switch 4.1，Granite-Switch-4.1-8B 和 -30B 在单一托管端点内整合对话、通用与专用决策及语音转文字能力。
ElevenLabs BlogAI 评分2222 ElevenLabs 详解 SSML 标签：如何控制 TTS 的停顿、发音与语速
ElevenLabs 发布 SSML 使用指南，说明其模型对 SSML 的支持并不统一：除 Eleven v3 和 Eleven v4 外，其余模型支持停顿最长 3 秒的标签，Eleven Flash v2 与 Eleven Turbo v2 还支持仅限英文的自定义发音标签。
ElevenLabs BlogAI 评分3535 ElevenLabs 音频深度伪造检测：原理与如何验证 ElevenLabs 音频
ElevenLabs 详解音频深度伪造检测的两种路径：传统统计检测通过预处理、特征提取和分类给出置信度分数，但受限于已知样本库；水印检测则是确定性的，能对是否为自家产品生成的音频给出明确的是或否。ElevenLabs 的 Audio Detector 可高精度识别自家产品水印，但无法识别其他公司的水印，因此水印应只是大规模检测体系中的一环。
ElevenLabs BlogAI 评分2222 ElevenLabs 指南：如何用 AI 转录访谈并准确标注说话人
ElevenLabs 发布访谈转录指南，其 ElevenCreative Speech to Text 基于 Scribe v2 模型，支持 verbatim 与 clean 两种转录风格，verbatim 为默认模式。
OpenAI News精选AI 评分6060 Higgsfield 借助 GPT-6 Astra 等模型将 AI 视频时长从 1 分钟提升至 10 分钟以上
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。
ElevenLabs Blog精选AI 评分7171 Baroness Campbell 用 ElevenLabs 声音克隆完成英国议会首次 AI 语音发言
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 BlogAI 评分2020 JavaScript 语音识别教程：用 Web Speech API 构建语音交互体验
浏览器原生 STT API Web Speech API 可让开发者在 JavaScript 中实现实时转写，无需自建本地语音识别服务器，通过 SpeechRecognition 接口即可处理麦克风音频并返回临时与最终转写结果。该 API 存在转写不一致、依赖浏览器、缺乏意图理解等限制，且通常需要联网。ElevenLabs 提供支持客户端与服务端流式的高精度生产级语音转文字 API 作为替代方案。
ElevenLabs BlogAI 评分3636 ElevenLabs 在 ElevenAgents 中推出合成语音检测，并加入 Personal Agent Protocol 工作组
ElevenLabs 在 ElevenAgents 中上线合成语音检测，可在通话最初几秒分析来电语音并判定为真人或 AI 生成，企业据此设置转接与权限规则。该功能运行在实时音频流上，不依赖水印，目前面向由 Forward Deployed Engineering 团队支持的企业客户开放，本月晚些时候将作为可配置选项扩大开放。
ElevenLabs BlogAI 评分1515 什么是语音活动检测（VAD），它如何工作？
语音活动检测（VAD）通过持续分析音频流，对每段毫秒级音频帧输出是否含人声的二元判断，告诉 ASR/STT、LLM 和 turn planner 等下游系统何时监听、何时待命。
ElevenLabs BlogAI 评分2020 ElevenLabs 在新加坡正式落地，设立东南亚总部
ElevenLabs 正式进军新加坡，开设办公室并以此作为东南亚枢纽，深化对亚太地区的投入。公司已于 7 月上线新加坡数据驻留，提供本地托管、零留存选项、更低延迟及 SOC 2 合规。Funding Societies、Atome、Boost Bank、MNC Group、AI Rudder、Rezonate 等东南亚企业已在客服、销售线索筛选等场景使用其对话式 AI 与文本转语音能力。
ElevenLabs BlogAI 评分2222 如何用会议转录 API 实现实时与批量转录：ElevenLabs Scribe v2 实战
ElevenLabs 发布 Scribe v2 与 Scribe v2 Realtime 两款语音模型，前者将录音转为高精度转录文本，后者实现音频输入到文本输出 150 ms 低延迟的实时字幕。两款模型均支持 90+ 语言，可通过 ElevenAPI 接入，Realtime 版最多支持 50 个关键术语提示。
ElevenLabs Blog精选AI 评分6060 ElevenReader 登陆巴西，上线 Fábio Porchat 配音与 7 万本巴西葡语有声书
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。
Hugging Face BlogAI 评分4040 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究院（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。
ElevenLabs BlogAI 评分2222 ElevenLabs 指南：联络中心自动化如何提升服务效率
ElevenLabs 发布联络中心自动化指南，介绍 AI 如何以极少人工介入处理客户支持流程。文中给出三个 ElevenAgents 部署案例：Klarna 为 3500 万美国用户实现最高 10 倍更快解决，Rohlik 自动处理 90% 客户沟通，Getmobil 实现 75% 首次接触解决率和 60% 成本下降。
ElevenLabs BlogAI 评分1212 什么是对话智能？企业应用指南
对话智能通过转录客户对话并用 AI 分析，将其转化为情感、异议和行动项等结构化洞察，而非仅存为无人回听的录音。ElevenLabs 通过 Scribe v2 和 Scribe v2 Realtime 提供实时与批量模式、多语言覆盖、实体检测和 CRM 集成，并支持 SOC 2、HIPAA、GDPR 及欧盟数据驻留。平台实用性取决于真实音频上的说话人归属词错误率。
ElevenLabs BlogAI 评分2828 ElevenLabs Scribe 如何实现带时间戳与事件标签的音频转写？
ElevenLabs 的 Scribe 采用原生词级转写模型，单次 API 调用即可输出带时间戳的结构化 token 数组，每个 token 标记为 word、spacing 或 audio_event，可识别笑声、掌声等非语音事件。
Google AI BlogAI 评分2222 Google 9 月 AI 更新汇总：Gemini 4 Argon、Gemini 3.8 Flash 与 WeatherNext 3
Google 9 月发布最新前沿模型 Gemini 4 Argon，主打高级推理与 100 万 token 输出上限，目前通过 Fairwind Program 向可信网络安全防御方逐步开放。
ElevenLabs BlogAI 评分1818 Admiral 如何将 AI 智能体投入生产：ElevenLabs 网络研讨会复盘
欧洲大型保险公司 Admiral 已在英国、意大利、法国和西班牙用 AI 智能体处理数百万通客户对话，首个生产用例是英国贷款业务的理赔报价。Admiral 从第一天就让法务与合规团队加入，用确定性逻辑处理必须可证明的环节，并将弱势或情绪困扰客户转接人工。每次智能体变更都先跑完整模拟测试，再按 1% 到 100% 流量灰度发布，上线周期已从数周缩短到数小时。
ElevenLabs BlogAI 评分3838 Eleven v4 如何为 AI 配音添加停顿：Audio Tags 与标点三种方式
ElevenLabs 的 Eleven v4 用 Audio Tags 取代 SSML 标签，提供三种在 AI 配音中加入停顿的方式：[pause] 短停顿、[long pause] 长静默，以及借助省略号、破折号和短句等标点控制节奏。
ElevenLabs BlogAI 评分2222 ElevenLabs 为 Banner Health 部署 AI 语音智能体处理患者预约来电
ElevenLabs 的 ElevenAgents 已在 Banner Health 上线，用于患者来电处理，首批覆盖初级保健预约。该智能体可 7×24 小时接听来电、直接在电子病历中安排改期或取消预约，并在需要时带上下文转接给 Banner 工作人员。部署符合 HIPAA，并纳入 Banner 的 AI 治理框架。
ElevenLabs BlogAI 评分4040 ElevenLabs 启动 The Search 竞赛：10 万美元征集全球最洗脑 AI 广告
ElevenLabs 推出全球竞赛 The Search，征集全球最洗脑的 AI 广告，总奖金 10 万美元、由 11 名获奖者分享，冠军独得 5 万美元。参赛者需为虚构品牌制作 15–45 秒广告，原创 jingle 必须用 ElevenCreative 制作并提交原始音频，作品须公开发布在至少两个指定平台。
ElevenLabs BlogAI 评分3636 Eleven v4 发音词典指南：如何修正 TTS 中的任意单词发音
ElevenLabs 发布 Eleven v4 发音词典使用指南，该模型支持音素规则和行内 IPA，但不支持 SSML 音素与 break 标签。用户可通过 ElevenAPI 每次请求最多应用 3 个发音词典，用于修正品牌名、缩写、地名和行业术语的读法。
ElevenLabs BlogAI 评分2020 ElevenLabs 正式进军荷兰，在阿姆斯特丹设立办公室
ElevenLabs 正式在荷兰落地并在阿姆斯特丹开设办公室，任命 Goswijn Thijssen 领导当地团队，并计划今年将荷兰团队规模扩大两倍。KPN 部署其语音智能体后，邮编识别准确率从 64% 提升至 82%，验证智能体已扩展至每周约 60,000 通电话、成功率 62%。平台目前拥有 100 个荷兰语声音，客户已生成超 2 亿条音频片段。
ElevenLabs BlogAI 评分2020 ElevenLabs 正式进军比利时，在布鲁塞尔设立办公室
ElevenLabs 正式在比利时落地，于布鲁塞尔开设办公室，并任命 Falke Van Onacker 领导当地业务，计划今年将比利时团队规模扩大至三倍。其 AI 模型支持 90 多种语言，Belgian 企业已将其用于智能体部署、转录、内容创作与无障碍场景，包括 Glowi、Cavell、Corilus、Mediafin 和 FL Studio。
ElevenLabs BlogAI 评分4040 ElevenLabs 估值升至 220 亿美元，企业级对话智能体需求推动增长
ElevenLabs 完成 3 亿美元员工股权要约收购，估值达 220 亿美元，较今年 2 月 D 轮翻倍，由 Wellington 和 T. Rowe Price 领投。企业业务已占其营收 55%，ElevenAgents 每周处理超 1500 万次对话，较 2 月增长 3 倍，同期 ARR 增长超 3 倍。公司同时发布 Eleven v4 和 v4 Turbo 两款文本转语音模型。
ElevenLabs Blog精选AI 评分6666 ElevenLabs 发布 Eleven v4 Audio Tags 列表与自定义写法
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。
Hugging Face BlogAI 评分2222 Hugging Face 推出 Open TTS Leaderboard：面向多语言 TTS 与声音克隆的可扩展评测
Hugging Face 发布 Open TTS Leaderboard，用客观指标评测开源多语言 TTS 与声音克隆模型，单模型评测耗时从数周投票缩短到数小时。
ElevenLabs Blog精选AI 评分7878 ElevenLabs 发布 Eleven v4 与 Eleven v4 Turbo 语音模型
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 BlogAI 评分5858 Eleven v4 Turbo 上线 ElevenAgents，支持 90 多种语言实时语音对话
ElevenLabs 将低延迟语音模型 Eleven v4 Turbo 接入 ElevenAgents，用于实时语音客服等场景，中位推理延迟约 100 ms，长通话稳定性较高。
ElevenLabs Blog精选AI 评分6666 ElevenLabs 讲解如何用 Eleven v4 的 Audio Tags 导演情绪化语音
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。
ElevenLabs BlogAI 评分3838 ElevenLabs 推出学生计划 ElevenLabs for Students，含 3 个月免费使用
ElevenLabs 面向美国、加拿大、EU27、澳大利亚和英国 18 岁以上大学生推出 ElevenLabs for Students 计划，包含 ElevenCreative、ElevenAgents 和 ElevenAPI 的 3 个月免费使用，以及 ElevenReader Ultra 一年免费。
ElevenLabs BlogAI 评分2222 ElevenLabs 详解 AI 语音智能体能力：记忆、情绪安抚与转人工
ElevenLabs 发布指南，详解 ElevenAgents 的语音智能体能力：通过动态变量和通话前后 webhook 从 CRM 调取并回写客户历史，实现跨通话记忆；用情绪检测实时安抚不满来电者，超过阈值或对方要求时转接人工。智能体支持 PDF、Word、Markdown 等格式内容与 RAG 检索，可配置数据留存、音频存储、转录脱敏和零留存模式，企业医疗场景符合 HIPAA 要求。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
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。
ElevenLabs BlogAI 评分2222 如何用 AI 转录 Zoom 会议：设置与 API 指南
ElevenLabs 发布指南，介绍用内置工具和第三方方案转录 Zoom 会议。Zoom 自带实时字幕免费，但云端存储和可下载转录文本需付费 Workplace 账户；Zoom AI Companion 支持 46 种语言实时转录，会后转录仅支持 19 种语言。开发者可用 ElevenAPI WebSockets 构建自定义管线，借助 Scribe v2 模型实现 90 多种语言的低延迟转录。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型
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。
ElevenLabs BlogAI 评分2222 ElevenLabs Python 语音识别教程：用 Scribe v2 把音频文件转成文字稿
ElevenLabs 发布 Python 语音识别教程，演示如何通过 ElevenAPI 将 Scribe v2 与 Scribe v2 Realtime 接入 Python 项目，实现批量与实时转写。
OpenAI NewsAI 评分1818 Ringg 用 OpenAI 模型让 AI 智能体解决最多 65% 客服来电
Ringg 基于 GPT-5.6 构建的多语言 AI 智能体可解决最多 65% 的客户来电，覆盖语音、聊天、WhatsApp 和网页渠道。相比 GPT-4.1，其成本降低 90%。
ElevenLabs BlogAI 评分2222 ElevenLabs 发布 Scribe v2 Medical，面向临床音频的语音转文字模型全面开放
ElevenLabs 发布面向临床音频微调的语音转文字模型 Scribe v2 Medical，已在 ElevenAPI 全面开放，临床音频 WER 较基础版 Scribe v2 降低约 35%。
ElevenLabs BlogAI 评分2020 什么是 human in the loop？人类如何改进 AI 工作流
human in the loop（HITL）是一种在 AI 工作流中按预设边界划分任务的机制：AI 处理可预测的规则化任务，人类负责复杂决策、合规要求和边缘案例。人类介入点包括必需审核与批准、受监管步骤、敏感沟通、角色边界与例外，以及客户主动要求转人工。在机器学习开发阶段，HITL 也用于标注训练数据、评估模型输出和纠正错误。