#AI语音
共 10 篇相关文章
AI语音逼真到让人怀疑人生：Dessa是演示还是真实？
Reddit热议AI语音演示逼真度惊人，网友惊呼“我们完蛋了”，但质疑者认为在Dessa正式发布前只是骗局。探讨技术脉络与真实性质疑。
Phonable：用AI重塑iPhone语音信箱的未接来电体验
Phonable 是一款 iPhone 语音信箱替代应用，为未接来电提供双向解决方案：拨打方自动收到说明短信，接听方获得语音留言的转录与 AI 摘要，支持场景模式切换与自定义问候，无需更换号码。
Clarity：实时语音增强，让AI只听见说话人
Clarity 是一款面向语音AI代理的实时语音增强工具，其 Clarity-1 模型可实时剥离背景噪音并提取目标说话人声音，让AI代理只听见真正的说话人。本文解析其技术定位、应用场景与待验证之处。
NVIDIA Nemotron 3 说话人分离实测：8人混音精准识别
NVIDIA 新发布的 Nemotron 3 说话人分离模型仅需4GB显存，支持多达8位说话人识别，可与任意ASR模型配合并完全本地部署。本文详解其能力、DER评估标准及8人混音实测表现。
ElevenLabs v4语音模型发布：90种语言与10秒克隆
ElevenLabs 发布全新 v4 语音合成模型，支持 90 种语言、更精细的表现力控制，并可通过 10 秒音频完成声音克隆。本文解析其核心升级与潜在风险。
PDF朗读工具新解：读懂公式、图表与双栏论文的AI语音
Accurate PDF Narration 是一款专为学术论文和书籍设计的AI语音朗读工具，能正确处理双栏排版、按意义朗读公式与代码、解释图表并跳过页码引用，每月免费500页。本文解析其核心能力与适用场景。
Lisen：用Cartesia语音免费朗读任意网页文章
Lisen是一款Chrome浏览器扩展，可用你的Cartesia语音免费朗读任意网页文章，无需在Cartesia订阅之外额外付费。本文解析其产品定位、自带密钥模式与适用人群。
对话ElevenLabs CEO：估值220亿美元背后的AI语音思考
ElevenLabs 估值据报道已达 220 亿美元。其 CEO 谈及 AI 语音客服的应用现状，以及企业是否应告知用户正在与 AI 对话的透明度议题，折射出 AI 语音行业的伦理与商业趋势。
Google推出Gemini 3.8 TTS：从预设声音到全自定义语音工作室
Google推出Gemini 3.8 Flash TTS与Flash-Lite TTS两款文本转语音模型，支持从零设计自定义声音、逐行导演表演、双人对话编排，覆盖100多种语言，并配备SynthID水印和同意验证等安全机制。
产品体验Cardamom：AI电话接单系统如何帮外卖餐厅接住每一笔订单
Cardamom是专为外卖餐厅设计的AI语音接单系统，通过实时语音AI技术实现24/7全天候电话接单，直连POS系统自动录入订单，并构建客户数据层追踪回头客。本文详解其核心功能、商业价值与竞争优势。