标签
Orbora 是一款通过 Product Hunt 发布的 AI 音频产品，可为用户生成个性化的引导式音频，包括冥想、呼吸练习、ASMR 和短篇智慧分享，支持自定义语音、时长、语气、背景音和主题，并可离线收听。
苹果在提交给欧盟委员会的监管文件中披露，已与个性化音频初创公司 Huxe 达成“反向收购”协议，将雇佣其部分团队成员并获得其技术的非独家授权。Huxe 由前 NotebookLM 开发者创立，已于今年 5 月宣布关停。
Sonilo 宣布完成 1100 万美元融资，由 B Capital 领投、Redpoint 参投，其 AI 音频技术在基准测试中相较竞争对手展现出强劲表现。
Fish Audio 发布了 Drama 3 语音模型，支持在普通语言指令下控制语气、情绪与节奏，甚至能在同一句话中切换情绪，展现出接近人类语音的细腻控制力，现已通过 API 以 'drama-3-preview' 提供预览。
听力科技初创公司Legato推出其AI驱动的听力眼镜Legato Frames，售价999美元起，现已开放购买。该眼镜采用端侧AI技术，可将人声与背景噪音分离，采用开放式耳部设计，续航达10至12小时，并支持蓝牙流媒体播放，面向轻度至中度听力损失的成年人群。
Modulate，一家语音智能初创公司，已筹集2500万美元，以利用多个小型AI模型增强其用于转录、情感分析和深度伪造检测的平台。
AuK 是一个开源基础模型，用于统一语音生成与编辑，支持零样本TTS和通过自然语言指令进行内容编辑等任务。
展示Voicemem-Studio的最新效果，强调它完全在本地运行，无需云计算能力。
VocalAffectBench 被引入作为一个公共基准，用于评估AI音频模型中的声音情感识别，展示了当前基线模型的准确性有限，尤其是对于非中性情感。
ThunderPhone 是一个用于构建AI电话代理的自助平台，包含模型，起步价每分钟2美分，在Big Bench Audio上具有高准确性，并支持47种语言。
这篇文章警告了一个在GitHub上获得3.7万星的AI语音项目可能成为电信诈骗的新武器，介绍了其功能如AI翻唱、声音转换和实时变声，以及易于使用的WebUI界面。
一位开发者分享了让LLM生成的播客听起来更自然的技术，包括使用约束条件迫使产生分歧，以及在生成前预先编辑内容。
Scenema AI 发布了 Scenema Audio，一个开源的基于扩散模型的零样本富有表现力的语音克隆与语音生成模型，将情感表现与声音身份分离，使任何声音都能演绎任何情感。
Anker 发布自研 Thus AI 芯片，采用存内计算架构，让微型设备也能本地运行 AI，首款落地产品为即将推出的 Soundcore 旗舰耳机，带来更出色的通话降噪体验。
SAM Audio 是首个用于音频分离的统一多模态模型，使用户能够利用文本、视觉或时间提示，从复杂的混合音频中分离出特定的声音。