跳到正文

#語音

RSS
今日 4 則
11月11日週三
  1. MarkTechPost76

    Zyphra 發布開源語音合成模型 ZONOS3-Mini,啟用引數約 100M

    Zyphra 發布開源文字轉語音模型 ZONOS3-Mini,採用總計 800M、每個 token 約 100M 啟用引數的 MoE 架構,支援即時本機執行、零樣本聲音複製與逐詞語氣控制。

    推薦理由:ZONOS3-Mini以較少的啟用引數支援多種本機部署;評測由 Zyphra 自行執行,且參考音訊複製模式的分數明顯較低。

11月10日週二
  1. Dev.to Top Tech62

    語音AI 助理如何依通話環境調校輪替設定:九個代理程式共用同一組設定的教訓

    作者檢視自己為美國小型企業建立的 9 個語音AI 助理,發現它們共用完全相同的輪替設定,並以此說明如何按各自的通話環境調校。 - 兩種判斷:端點判定用來判斷來電者是否說完;插話偵測則判斷來電者是否開始說話,兩者失準都會造成對話停頓或互相打斷。

  2. Vercel Blog78

    Vercel AI Gateway 2026 年 11 月報告:決策模型佔 26% 請求,Anthropic 新團隊首選近乎領先兩倍

    Vercel 發布 2026 年 11 月 AI Gateway Production Index,指出決策模型已佔 10 月全部請求的 26%,而新付費團隊首選 Anthropic 的數量近乎是 OpenAI 的兩倍。

    推薦理由:Vercel 以匿名彙總流量呈現模型採用與更替速度,並列出各項統計口徑,便於理解企業團隊的實際使用變化。

11月9日週一
  1. Dev.to Top Tech52

    Wait Until You Try 分享原創歌曲卡拉 OK 歌詞同步的問題與經驗

    Wait Until You Try 為自家原創歌曲建立卡拉 OK 頁面,讓歌詞依照演唱時間逐字亮起,目前已完成 72 首歌曲的同步。 - 歌詞與音訊:歌詞直接取自預先寫好的歌詞稿,音訊只用來判定每個字何時唱出;作者指出,語音辨識容易把器樂前奏或獨奏誤判為人聲,也可能在副歌重複時對錯位置。

  2. Dev.to Top Tech81

    如何比較語音 AI Agent:16 個情境的驗收測試

    作者提出一套比較語音 AI Agent 的買方驗收方法,包含 16 個合成通話情境、配對測試流程、評分規則與 JavaScript 比較工具;文章未測試或公佈任何廠商結果。

    推薦理由:文章以買方自訂情境取代單一排行榜分數,整理出可重現的測試流程,協助檢查語音代理的通話結果、工具狀態與安全失敗。

11月8日週日
  1. Dev.to Top Tech35

    一個個人聲音庫使用一個月後的樣子

    summary_zh: 作者在使用 FreeVoiceClone 建立個人聲音庫一個月後,提出命名規範、每週清理與隱私設定等實務建議,以保持庫整潔。 - 命名規則:每個聲音名稱包含四個資訊——角色/用例、語言、語調與日期,保持一致性可快速辨識。

11月7日週六
  1. Dev.to Top Tech51

    承諾週五交付錄音稿,實際時間卻不符

    本文示範如何以檔案級別計算語音轉錄所需工時,避免盲目使用平均 4:1 規則,並提供免費時間規劃工具。 - 手動轉錄:以音訊長度為基礎,乘以多重因子(說話者數、音質、重疊度),一次 1 小時、四重音質、四人重疊可達 9 小時。