谷歌将文本转语音并入Gemini模型家族：Flash TTS主打创意场景，轻量版瞄准实时语音
谷歌正将文本转语音能力从独立功能收编进Gemini统一模型体系，以"模型化+生态整合"的方式重新定义AI语音竞争的边界。周三，谷歌发布Gemini 3.8 Flash TTS与Gemini 3.
音频有两种人声怎么分离？分离两个人声，这6个工具超干净
一段音频里有两个人在说话，互相重叠了，有没有办法把他们分开？传统的消音软件只能分出人声和背景音乐，为大家带来6款专业级工具，彻底搞定多个人声分离的难题！方法一：转换猫MP3转换器（安卓版）如果你手头只有一部手机，转换猫是最快的高效率工具。
苹果大模型团队负责人叛逃Meta，华人AI巨星+1，年薪飙至9位数
小扎就连苹果也没有放过。刚刚，苹果基础模型团队负责人Ruoming Pang被曝加入Meta，竟因苹果内部一直探索OpenAI等模型，团队士气下滑。他的离开，让苹果AI的未来更加扑朔迷离。小扎高薪夺人战，还未停手。
刚刚，庞若鸣跳槽OpenAI，放弃14亿年薪，在Meta只待了7个月
不过7个月，华人AI巨星庞若明从Meta，直接跳到了OpenAI。入职Meta「超级智能实验室」仅7个月，华人明星研究员庞若明转投OpenAI。
NeurIPS 2026｜克隆得像，就够了吗？RVCBench系统评测18个语音克隆模型的真实世界鲁棒性
来源：市场资讯（来源：机器之心）导读：只需几秒参考音频，现代语音克隆模型就能合成与目标说话人高度相似的语音。但真实部署中的参考录音往往带有噪声，文本可能异常、超长或跨语言，生成的语音还要经过压缩和电话传输，有人甚至会给自己的声音加上「防克隆」保护。
30秒录音，0.13秒转完！英伟达开源340亿参数语音模型
智东西10月29日消息，今日，英伟达发布并开源语音模型Nemotron 3.5 Transcribe，该模型整合了语音转写、多人发言识别等能力，在英文语音识别的9个公开测试集上，其平均词错误率为4.71%，优于阿里巴巴的Qwen3-ASR-1.7B。
一个视频有2个人声怎么分离？分离重叠的人声，2026年首发教程
后台收到这类私信：“博主，我录采访的时候两个人的声音叠在一起了，后期能分开吗？”或者“剪视频发现背景里有个路人在大声说话，怎么把主声留下来？”2026年的AI音频技术已经进化。深度整理了7个亲测有效的方案。
RVCBench系统评测18个语音克隆模型的真实世界鲁棒性
语音克隆，也被称为零样本语音合成或说话人条件语音合成，目标是只凭几秒参考音频，就生成与目标说话人音色相近的任意内容语音。
最新AI配音技术刷屏！声音克隆+口型同步 | 新榜出品
没开玩笑，现在的AI技术，能让全世界都说中国话。继“AI孙燕姿”后，最近，有一条视频再次刷新了大众对于AI配音技术的认知。
10 个案例说明白如何用AI把内容“液化”为全球流量
本文深入剖析TikTok、YouTube、Pinterest等平台的实战案例，揭示如何通过资产液化、算法响应、视觉搜索优化等维度，建立全球化内容生产的工业化体系。