VoiceSpheres 打造免費、開源又照顧不同需求的語音社群平臺
VoiceSpheres 是一個讓大家加入語音房聊天的平臺,使用 LiveKit SFU 支援低延遲的多人語音。它也提供即時字幕、AAC 溝通圖板、讓使用者調整活動節奏的功能,以及 10 種無障礙預設;平臺支援 21 種語言,也能切換成由右向左的文字排列。主持人可以讓參與者靜音或鎖定房間,使用者也能自行封鎖他人。這些設計讓不同溝通和使用需求的人,都更容易參與語音社群。
VoiceSpheres 是一個讓大家加入語音房聊天的平臺,使用 LiveKit SFU 支援低延遲的多人語音。它也提供即時字幕、AAC 溝通圖板、讓使用者調整活動節奏的功能,以及 10 種無障礙預設;平臺支援 21 種語言,也能切換成由右向左的文字排列。主持人可以讓參與者靜音或鎖定房間,使用者也能自行封鎖他人。這些設計讓不同溝通和使用需求的人,都更容易參與語音社群。
日語對話常省略句子的主詞,也會依物件改變用詞,讓 AI 要自然接話並不容易。ElevenLabs 宣佈收購日本語音 AI 團隊 Kotoba,盼結合雙方研究,改善日語語音技術,並讓 AI 助理更自然地處理日文對話。Kotoba 的語音模型 Koto 可將文字轉成語音、將語音轉成文字,也能支援同步口譯;Salesforce 已用它支援 Agentforce Voice 的日語對話。收購預計在 2026 年第四季稍晚完成,仍須取得一般監管核准並符合交割條件。
推薦理由:Kotoba 加入 ElevenLabs 後,雙方將結合語音研究與日本市場經驗,推進能理解日語對話與在地社會習慣的 AI 服務。
ElevenLabs 宣佈失去聲音的使用者可免費使用 ElevenMusic 創作與發行歌曲,並新增 NYU Langone Health 為語音復原合作夥伴。
推薦理由:ElevenLabs 將免費語音復原服務延伸至音樂創作,並透過歌曲創作者與醫療機構合作,讓失去聲音的使用者能以個人化聲音繼續創作與發行歌曲。
ElevenLabs 透過語音模型與 AI 助理,協助企業將語音 AI 用於客戶互動、員工工作流程與安全訓練;企業客戶目前佔其營收 超過 55%。
Discord 在數百萬同時使用者的語音通話中,透過將語音流與文字訊息分離、使用 UDP 與 Opus 編碼、以及伺服器端的選擇式轉發,實現低延遲與高可靠。
summary_zh: 在一家美國面向遠距醫療的公司,Claude agent 在五週內閱讀 1,973 份申請,並自行安排面試,取代人力招聘流程。 - 招聘代理:Claude agent 讀取 1,973 份申請,將 142 份錄入 CRM,預約 138 次面試;最終 81 次未出席,出席率 68.6%。
本集深入探討 Claude 與 Rocq 在大規模形式化驗證的可行性與限制,並揭示 Postgres 預取機制可能引發的雲端停機風險,對安全與效能雙重關注者具實務參考價值。
Otter.ai 近日宣佈從 General Catalyst 的 Customer Value Fund 獲得 3.2 億美元新資金,將用於企業成長、行銷策略、國際擴張及產品創新。
summary_zh: 我在 15 週內重新閱讀 175 款 AI 工具的使用條款,發現 60%(105/175) 的工具至少改變一次,影響創作者是否能合法商業化其輸出。
Apple 透過逆向收購 Huxe 團隊與技術進軍個人化音訊 - 交易內容:Apple 向歐盟委員會披露,將向 Huxe AI 的部分員工提供就業機會,並取得其非排他性智慧財產權授權。
ElevenLabs 口語模型在 GPU 缺乏時提升使用者吞吐的工程實踐 - 批次化:連續批次化可將 GPU 佔用率提升至 95%,每個 GPU 可同時處理多個請求,減少等待時間。
推薦理由:文章以 ElevenLabs 口語模型實測為基礎,闡述批次化、量化、KV 壓縮等技術在 GPU 資源稀缺時提升使用者吞吐的方案,對語音服務成本與效能提供參考。