「把文稿变成能听的节目」已经是一条可工业化的流水线：声音资产管理、逐段生成与情绪控制、多角色编排、后期质检各有工具与坑。本文以 ElevenLabs 与开源自托管两条路线为轴，拆解 AI 配音的完整工作流与成本账。

★62,973、AGPL-3.0 的本地语音平台 VoiceStudio：把 20 个 TTS 与 8 个 ASR 引擎收敛成可插拔编排层，覆盖 646 语言 TTS/99 语言转写，含配音流水线、MCP 与 OpenAI 兼容 API。拆解引擎子进程隔离、自适应批宽、操作次数性能预算，以及模型许可与 Pro 边界。

Palash Debnath 的全本地开源语音工作台 VoiceStudio（当日涨星 +3,274、★43,728、AGPL-3.0）：把 17 个 TTS 与 7 个 ASR 引擎抽象成可插拔引擎层，覆盖克隆/设计/配音/听写/有声书并内置 MCP。拆解双端口架构、默认引擎 OmniVoice 的单阶段离散 NAR 原理、六阶段配音流水线，以及 CC-BY-NC 权重带来的商用授权陷阱。

OpenBMB 的 2B 语音基础模型：把 TTS 流水线里的分词器整个删掉，在连续潜空间端到端建模，一个骨干同时装下 30 语言、9 种中文方言、自然语言造声与三层克隆，48kHz 原生输出、Apache-2.0。本文拆解四阶段管线、FSQ 瓶颈与非对称 AudioVAE，并如实标注 8GB 显存门槛与运行间波动。

盘点 2026 年 10 月主流开源 TTS 七个项目（GPT-SoVITS、CosyVoice、F5-TTS、Fish Speech、IndexTTS、Kokoro 等）：机制、音色克隆方式、中文支持与许可证商用限制，附中文效果/实时率/长文本对比表与 F5-TTS 上手示例，兼谈声音克隆的授权与深度伪造合规风险。

语音对话「说完—听懂—想好—说出」四段链路各带百毫秒级延迟，叠加起来轻易超过人类对话的停顿预算。本文摊开全链路延迟账本，拆解 VAD、流式识别、首 token 与流式合成各环节，并对比级联与端到端两条架构路线。

IT之家 10 月 2 日消息，当地时间 9 月 30 日，据法新社报道，东京一家法院在日本知名声优津田健次郎起诉 TikTok 的案件中认可了他的主张，认定 AI 未经许可模仿其“浑厚”的男中音声线**涉及权利侵害**，并首次在日本司法实…

IT之家 9 月 23 日消息，谷歌今日宣布，Gemini 家族新增两款全新文本转语音模型，将语音生成**从静态预设转变为动态创意工作室**，能够帮助创作者、开发者和企业打造更丰富、更具表现力的音频体验，同时为 Gemini Noteboo…

· 曝 Anthropic 接近确定 IPO 核心承销商 · 康宁 CCO：AI 让玻璃基封装与光互连走到台前 · 《西雅图时报》和《新闻日报》起诉 OpenAI 与微软 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精…

转写成文字只是「听见」，音频理解的野心是「听懂」：环境声事件、音乐结构、说话人情绪、副语言信息。本文拆解音频语言模型的技术配方（音频编码器 → 语义 token → LLM）、开源代表 Qwen 系与评测基准 MMAU/AudioBench，以及它正在替代的旧管线。

从 Sora 2 的音画同步到可灵 4.0 的 4K HDR 30 秒长镜头，盘点 2026 年视频生成模型的版本演进、能力边界与定价方式，并给出一套按场景选型的参考框架。

AI 原生影视公司 Utopai Studios 的自研视频生成模型 Utopai X 在 Artificial Analysis 带音频文生视频盲评榜位列全球第二，是该榜排名最高的美国公司模型，公司模型与平台服务于实际电影和剧集生产流程。

Bee 发布两款 AI 录音硬件，可自动生成对话摘要、待办与日程并接入 Gmail、Outlook、Alexa+ 等生态，强调原始音频不存储的隐私设计。

2018 年 10 月至 2019 年 3 月，波音 737 MAX 8 连续两起空难带走 346 条生命，祸根是 MCAS 系统依赖单一传感器且未对飞行员培训。埃航次日波音声明「对安全性充满信心」，三天后才被中国民航局率先停飞倒逼全球停飞；公司用「飞行员反应」甩锅，用四个月才承认 MCAS 在两起事故中均被激活。最终代价：全球停飞 20 个月、超 200 亿美元直接损失、与司法部 25 亿美元和解——罪名不是事故本身，而是「欺骗监管者」。本系列第十八篇复盘人命级安全危机：当公关的一切技巧失效后，剩下的唯一形态是说真话的时点与彻底的技术修复。

IT之家 10 月 24 日消息，小米 REDMI 首款耳夹耳机 Clip Neo 将于 10 月 27 日上市，官方现已公布部分配置信息。 IT之家从官方介绍获悉，新品采用**12mm 高性能双磁设计** ，类金刚石镀膜，支持低音增强算法…

AI 音乐的版权问题不是一句话能答的：训练端有 GEMA 在德国赢下 Suno 的判决，产出端美国版权局坚持「纯 AI 生成不受保护」，商用端平台条款决定了你拿到的是什么权利。本文把三笔账分开算清，给创作者一份实操清单。本文不构成法律意见。

「小爱同学」到回答只有两秒，中间站着五道流水线工位：唤醒词、VAD、流式 ASR、LLM、TTS，外加最难的一道暗桩——打断处理。本文按延迟账拆解每道工位的职责、模型选型与失败模式，算清为什么端侧语音助手的优化是一张接力棒时刻表。

Agent 工程系统学习第 13 章（前沿专题）：三个高薪高门槛方向。后训练三阶段管线（SFT → DPO/RLVR → On-Policy Distillation）与 Agentic RL 两大工程难点（长程 credit assignment、可验证奖励需要可靠执行环境），从生产轨迹到训练集的数据飞轮；全双工语音三块积木（流式 ASR / VAD / barge-in 取消语义）与延迟预算；编码智能体 = 模型 + Harness 的六机制拆解与动手路径。

华为 FreeBuds Neo 无线耳机开售，首发价 669 元，搭载 HarmonyOS 7，配备自研第三代音频 AI 芯片，全频段平均降噪深度最高 30dB，支持星闪音频连接（16Mbps、170 米覆盖）。

过去四个月，我们曾先后体验过两款「AI 耳机」：光帆 AI 全感穿戴设备和韶音 OpenFit 2 AI。 前者给耳机装上摄像头，配上智能手表和能独立联网的耳机盒，试图让 AI 跟着人一起看、一起听；后者则沿着韶音熟悉的开放式耳机路线，接入…

IT之家 9 月 9 日消息，Creative（创新科技）现已在电商平台上架 B3 条形音箱（回音壁）。其 搭载四大发声单元 ， 内置降噪麦克风 ，集成 RGB 动态灯效，到手价低至 319 元。 Creative B3 配备山景音频 DS…

IT之家 10 月 26 日消息，就在埃隆 · 马斯克（Elon Musk）宣称 Grok 将推出一部完整、“符合历史”的《奥德赛》电影三个月之后，Grok 放出了其前七分钟内容，并将其称作《奥德赛》系列第一集。 马斯克此前曾公开抨击克里斯…

📱我们跟库克聊了聊 iPhone Duo 🤝曝苹果与 ADT 合作，为家居中枢提供安装服务 🚗蔚来广东换电站达到 500 座，六城同步新增第五代站 🚀SpaceXAI 改为 SpaceXSI，官方账号换上「超级智能」名称 🛑继 Q…

听雨* 2026-10-11 13:18:04 来源：量子位 初代4o的API快照进入停用倒计时 听雨 发自 凹非寺 量子位 | 公众号QbitAI 每一天都在。14个月，8个月，我们还在这里。 这不是固执，不是妄想，也不是病。 一位Ke…

📱库克现身广州，探班 iPhone 18 Pro 咏春短片拍摄现场 💬曝苹果 iPhone Duo 加单 30%，Pro 系列总订单量不变 ⚡苹果第二期中国清洁能源基金扩容至 2.12 亿美元 🚗四部门拟禁全隐藏式车门把手，要求车企如…

📱曝苹果削减 iPhone 18 Pro 订单，供应链称总量变化不大 💰苹果调整并购团队架构，7 年来首次重新归入财务部门 🫘豆包据称在建设水电燃气缴费等生活服务能力 💸小米 17 Ultra 官网全系涨价 1000 元，华为 no…

99 美元的 AI 毛绒玩具、累计卖出 25 万台的泡泡聊天球、上线一年销售额破 1.2 亿元的成人陪伴玩偶——在 AI 眼镜还在为退货率挣扎时，AI 玩具悄悄跑通了规模。本文盘点 2026 年的产品地图与技术栈，算清 token 成本的账，并直面 FTC 调查、APA 警告背后的儿童隐私与情感依赖争议。

量子位的朋友们* 2026-10-07 19:34:47 来源：量子位 咱就是说啊，专业的事情，还得交给专业的人来做。 这不，独立评测机构**Artificial Analysis**（下文简称AA）发了最新的**文生视频**榜单。 第一…

从纯 AIGC 长剧上星到「AI 跑一千张图选一张」的分镜工作流，盘点 2026 年 AI 视频在短剧、广告、影视与电商四个场景的真实渗透率、成本账与卡点。

爱范儿科技早报汇总多条快讯，包括iOS 27.0.1修复iPhone 18 Pro面容ID卡死、AMD以82亿美元收购李飞飞的World Labs、智界RX上市及多款AI模型与硬件新品发布。

📱小米 18 Pro 系列发布，平板、穿戴与三筒洗衣机同场上新 🤖DeepSeek 发新论文，公开 Agent 训练沙箱 DSec 🍎iOS 27.2 Beta 2 加入运动数据限制，可阻止「摇一摇」广告跳转 🚗蔚来 ES9 交付达…

智象未来（HiDream.ai）正式发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0]

· DeepSeek 内测 V4.1 Flash · 两部门要求车企定期报告供应商账期，重点企业每年接受评估 · 曝微信 PC 版接入 AI 助手「小微」，可操作聊天与小程序 #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更…

人类的验证码已经拦不住 AI #欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。 ]

RSS 缓慢上涨、堆剖析却查不到泄漏，最后被 OOM killer 一枪带走——这类事故的根源常常不是泄漏，而是分配器的碎片化。本篇从内核的伙伴系统讲到 SLUB，再对比 ptmalloc、tcmalloc、jemalloc 三国志，把 OOM killer 的判决逻辑和 overcommit 的三种姿势一次讲透。

2023 年 3 月，美国第 16 大银行在 48 小时内轰然倒塌——42 亿美元？不，单日被提取 420 亿美元存款。诡异的是它几乎没有坏账：杀死它的是加息之下「买长债、借短存」的期限错配，和一群都在同一栋楼里刷手机的未保险储户。本文复盘三天崩塌全程，拆解挤兑的现代形态。

2026 年的黄金是一堂公开课：1 月底冲上约 5600 美元历史高点，2 月初暴跌 21%，10 月中旬回到 4168 美元。本文讲清黄金作为「不生息、无信用风险、与股债低相关」资产的定位，用世界黄金协会数据看央行购金与 2%–10% 的配置建议，并给出 ETF、积存金、实物金、金饰四种渠道的真实成本对比。

保险买的是保额，不是返还。本文从监管「首先考虑保障」的购买建议讲起，用官方数据盘清医保打底与四大保障险种（百万医疗、重疾、定寿、意外）各自挡什么，给出「先大人后小孩、双十预算」的配置顺序，并拆解返还型、理财型保险与如实告知三大坑——含预定利率从 3.5% 降到 2.0% 的完整时间线。

分散投资为什么有效，是一可以算出来的。本文从 Markowitz 的组合数学讲到巴菲特十年赌局与 90/10 建议，量化费率与追涨杀跌两大收益漏点（30 年差四分之一、基民少赚近六成），最后给普通人一张可落地的分层配置表。

Suno v5 与 Udio 曾是 AI 音乐的双子星，2024 年被三大唱片起诉后走上不同道路：Udio 与环球和解、关闭下载建「围墙花园」，Suno 拿下华纳合作但仍被环球与索尼起诉。本文梳理截至 2026 年 10 月的产品格局与授权模式转型。

零样本语音克隆只需约 6 秒参考音频：说话人编码器把音色压成一个向量，再去条件化 TTS 生成——XTTS 一条路是「嵌入式克隆」，OpenVoice 一条路是「合成后换色」。本文拆解两条技术路线的原理、效果边界，以及这道技术必须面对的滥用与合规问题。

波士顿语音智能公司 Modulate 完成 2500 万美元融资，用 100 多个小模型提供语音转录、情绪分析、深度伪造检测与合规监控。

OpenAI 发布 GPT-4o（'o' 为 omni），文本、音频、图像端到端统一训练，语音对话平均延迟降至 320 毫秒，接近人类对话反应速度。

谷歌发布新一代世界模型 Genie 4，可根据文字指令实时生成可交互虚拟环境，支持实时音频与用户动态修改场景。

📰周末也值得一看的新闻 ✨Kimi K3.1 Pro 正式上线，支持百万上下文，完整权重将在 11 月 4 日前发布 📱微信初步适配 iPhone Duo，支持大屏分栏，暂不支持平板登录 📉全球 PC 三季度出货量下降 21%，Cou…

📱微信回应 iPhone Duo 适配：正积极推进，将尽快更新 🏢奥迪中国换帅，前奇瑞高管张俊将接任总裁 💼eBay 再裁约 1000 个岗位，年内第二轮收缩 💡比亚迪杨冬生：L3 级自动驾驶可能在 2028 年落地 🚗特斯拉三季…

IT之家 10 月 12 日消息，安克与飞书联合推出的安克 AI 会议耳机飞书版今晚 20:00 正式开售，**首发价 1799 元，首发补贴价 1376.23 元**。 这款耳机支持**线上线下全场景录音**，线上通话接入后双击耳机即可自…

IT之家 9 月 30 日消息，在北京时间 9 月 30 日凌晨 1 点举行的 OpenAI DevDay 2026 活动中，OpenAI 宣布 Codex CLI 迎来焕新升级。 Codex CLI 现已支持语音对话**，用户可以直接与 …

henry* 2026-09-30 15:58:37 来源：量子位 给Agent配上手机号，再拉个群 henry 发自 凹非寺 量子位 | 公众号 QbitAI 真是……真是绕了好大一圈啊。 刚刚，9月1日才宣布恢复独立运营的Manus，…

IT之家 9 月 29 日消息，ElevenLabs 于当地时间周一正式推出了两款全新语音模型，分别为 ElevenLabs v4 与 v4 Turbo。新版模型强化了情绪表达控制能力，降低了语音智能体的响应延迟，同时支持 90 余种语言。…