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。
#语音
Reddit · AI 创作社区精选AI 评分6262 X · Runway精选AI 评分6262 Runway 上线 Mirelo SFX 2.0，可为视频自动生成同步音效
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。
Matt WolfeAI 评分2222 AI 周报：Krea 3、Gemini 4 Argon、Meta Muse Wonder 等 6 款新模型与 OpenAI 更新
本周 AI 领域迎来 Krea 3 Beta、FLUX 3 Image Klein、Qwen-Image-2.1-Turbo、Gemini 4 Argon、Meta Muse Wonder。
ElevenLabs BlogAI 评分2424 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。
TikTok · 搜「chatgpt」同新闻AI 评分6262 OpenAI 发布 GPT-Live-1.1，为 ChatGPT、Codex 和 dots 的语音新增六种语言
OpenAI 发布 GPT-Live-1.1，为 ChatGPT、Codex 和 dots 的 Voice 带来新声音、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、韩语和日语语音，今日起向所有用户推送，API 即将支持。
同一新闻，精选展示《OpenAI 发布 GPT-Live-1.1，为 ChatGPT、Codex 和 dots 语音带来新音色》
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。
X · OpenAI精选AI 评分6262 OpenAI 发布 GPT-Live-1.1，为 ChatGPT、Codex 和 dots 语音带来新音色
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。
TechCrunch · AIAI 评分5555 Amazon 旗下 Bee 发布两款个人 AI 设备，起售价 74.99 美元
Amazon 旗下个人 AI 设备品牌 Bee 发布 Bee Frontier 和 Bee Eclipse 两款新品，售价分别为 74.99 美元和 99.99 美元，这是 Bee 被 Amazon 收购后首次推出新产品。
X · 宝玉AI 评分4040 宝玉用 Gemini 4 Argon 作词、suno 6 作曲创作《以 Tibo 之名》赛博木偶之歌
宝玉发布献给 Tibo 的赛博木偶之歌《以 Tibo 之名 (In the Name of Tibo)》，调侃用户面对 Tibo 重置额度时从卑微祈祷到狂喜暴富、再到懊悔浪费额度的精神状态。该曲由 Gemini 4 Argon 作词、suno 6 作曲，Opus 5.5 生成视频，BaoCut 剪辑，Codex 配图。
X · Min Choi精选爆款AI 评分6262 xAI 发布 Grok Voice 3.0 语音模型，响应时间低于 1 秒
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。
X · Justine Moore精选AI 评分5858 MireloAI 发布新 SFX 模型，为 AI 视频生成真实音效并保留人声
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。
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。
公众号 · 智东西精选AI 评分6262 苹果发布 HomeView 等四类智能家居新品，Siri AI 接管全屋
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。
公众号 · 差评X.PIN精选AI 评分5858 苹果发布智能家居中枢 HomeView 及新款 Apple TV、HomePod mini 2
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。
公众号 · 赛博禅心精选AI 评分6767 苹果发布 HomeView 家庭中枢，7 英寸屏内置 Siri AI
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。
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。
X · Justine MooreAI 评分3838 消费级语音智能体正处尴尬过渡期：能替人打电话，对方却可能挂断
消费级语音智能体正处在尴尬的过渡期：智能体已能可靠地代用户致电公司或医生诊所，但接听的人类一方可能直接挂断。发帖者期待所有企业都在自己一端部署语音智能体。
TechCrunch · AIAI 评分4040 前Plaud高管创办Ambi，融资2600万美元做全天候监听AI应用
前Plaud高管Peter Mo创办的Ambi完成2600万美元多轮融资，由Luminous Ventures和华勤领投，并推出iPhone、Mac和Apple Watch应用。该应用可全天候监听用户，基于日历、会议、知识库和网络数据在会议中主动给出建议，并支持跨设备续接任务。Ambi称环境采集默认关闭、不存储录音并加密数据，但未说明加密方式，披露责任仍由用户承担。
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。
TechCrunch · AIAI 评分2222 PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的 ChatGPT 时刻
PolyAI CTO Shawn Wen 与 Otter CMO Alex Gay 认为，语音 AI 虽已实现全双工模型，但尚未迎来自己的 ChatGPT 时刻，下一步挑战是让推理足够快、对话自然。Wen 指出 ASR 模型常漏掉关键词，影响上下文理解；Gay 称转写准确率是所有下游自动化功能的基础。Otter 还在研发可代人参会的数字分身，并强调需向用户明示正在被录音或与 AI 对话。
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。
FuturepediaAI 评分4040 DOTS 语音模式上线：通话中实时搜商品并回传链接
DOTS 推出语音模式，用户通话中描述想找的商品，它便浏览网页并把匹配链接直接发进聊天。实测中，用户提出寻找类似艺术品的磁性木质石堆，DOTS 在通话中返回手形胡桃木磁石、sapele 及混合木材套装，并将四条最接近的链接发到对话里。
TechCrunch · AIAI 评分6262 Sean Parker 将 Stability AI 转型为音乐 AI 工具公司
Napster 联合创始人 Sean Parker 正把 Stability AI 重塑为面向音乐专业人士的 AI 工具公司。两年前他参与了对这家图像生成初创的 8000 万美元救助，此后由好友 Prem Akkaraju 出任 CEO；今年 8 月底公司宣布获得 7600 万美元融资，投资方包括 Sony、Warner 和 Universal，三家还授权曲库用于训练。
The DecoderAI 评分6565 Suno 推出 Speech 功能，可生成口播音频并自动配乐
AI 音乐生成器 Suno 新增 Speech 功能，可把口播文本和匹配的背景音乐生成在同一条音轨里。用户输入想法或文字，并描述想要的音色和音乐风格，模型同时生成人声与配乐。
The AI AdvantageAI 评分5050 ChatGPT Dots 如何用 4 分钟改变你的生活
ChatGPT Dots 支持用语音与 Dot 对话，并让 Dot 代为完成任务。视频演示中，Igor 用自己的 Dot 在 Phoenix 找房子，并介绍了 Dot 的工作原理与上手方式。
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。