ElevenLabs Scribe 如何实现带时间戳与事件标签的音频转写?
ElevenLabs 的 Scribe 采用原生词级转写模型,单次 API 调用即可输出带时间戳的结构化 token 数组,每个 token 标记为 word、spacing 或 audio_event,可识别笑声、掌声等非语音事件。
ElevenLabs 的 Scribe 采用原生词级转写模型,单次 API 调用即可输出带时间戳的结构化 token 数组,每个 token 标记为 word、spacing 或 audio_event,可识别笑声、掌声等非语音事件。
OpenAI 在 ChatGPT 中引入新的视觉广告格式,并扩展面向广告主的衡量工具、归因合作与品牌适配能力。此次更新围绕人们使用 AI 的方式设计广告,同时强化广告效果衡量与品牌安全。
微软与 Hugging Face 联合发布 ThinkingBox 基准,通过 507 个有状态业务流程、每个任务重复运行 20 次,按智能体留下的后端数据库状态和副作用而非生成文本打分。
OpenAI 发布 GPT-6 系列模型指南,面向初创公司讲解如何在 GPT-6 各型号间选型、调节推理强度、优化提示词与技能、协调工具调用,并为生产环境准备工作流。
Google 9 月发布最新前沿模型 Gemini 4 Argon,主打高级推理与 100 万 token 输出上限,目前通过 Fairwind Program 向可信网络安全防御方逐步开放。
NVIDIA DGX Spark 新增 64GB 统一内存版本,本月由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 发售,起售价 $4,999,10 月 23 日开卖。
欧洲大型保险公司 Admiral 已在英国、意大利、法国和西班牙用 AI 智能体处理数百万通客户对话,首个生产用例是英国贷款业务的理赔报价。Admiral 从第一天就让法务与合规团队加入,用确定性逻辑处理必须可证明的环节,并将弱势或情绪困扰客户转接人工。每次智能体变更都先跑完整模拟测试,再按 1% 到 100% 流量灰度发布,上线周期已从数周缩短到数小时。
ElevenLabs 的 Eleven v4 用 Audio Tags 取代 SSML 标签,提供三种在 AI 配音中加入停顿的方式:[pause] 短停顿、[long pause] 长静默,以及借助省略号、破折号和短句等标点控制节奏。
ElevenLabs 的 ElevenAgents 已在 Banner Health 上线,用于患者来电处理,首批覆盖初级保健预约。该智能体可 7×24 小时接听来电、直接在电子病历中安排改期或取消预约,并在需要时带上下文转接给 Banner 工作人员。部署符合 HIPAA,并纳入 Banner 的 AI 治理框架。
ServiceNow CoreAI 构建了 AutoSynthData,利用目标模型的失败案例和更强教师的成功经验,自动生成并验证新的训练任务,将企业智能体的能力短板转化为训练数据。该方法通过诊断评估提炼"能力规格卡",生成的任务需满足可行性、真实性和难度三项要求,并配有校验器判定轨迹是否成功。团队以 EnterpriseOps Gym 数据集演示了该流程,模型提升后课程会自动转向仍难掌握的能力。
Chatham Financial 借助 Codex 和 GPT-5.6 构建技术并重新设计工作流,将交易验证时间从 30 分钟缩短到 4 分钟以内。该机构借此扩展其资本市场专业能力。
GPT-6 Astra Ultrafast 已在 OpenAI API 上线,并向符合条件的 ChatGPT Work 和 Codex 用户开放,运行在 NVIDIA Blackwell GPU 上。
选题角度:原文给出 GPT-6 Astra Ultrafast 在 API 和 ChatGPT 的可用入口,以及比 Standard 模式最高 8 倍 token 生成速度,适合上手实测同一编码任务两种模式的耗时差异。
OpenAI 发文探讨先进 AI 对突破性创意背后日常工作的价值,认为执行环节可能决定下一阶段经济的形态与进步速度。文章未给出具体模型、参数或评测数据。
Albertsons 正使用 ChatGPT Enterprise 和 OpenAI API 帮助团队加快工作速度,并让数百万顾客的购物体验更轻松。
NVIDIA 提出 AI 工厂投资回报由产出能力、使用寿命和需求三要素决定,其平台以每兆瓦吞吐量、硬件持续收益和全类型 AI 负载通用性同时优化这三项。SemiAnalysis AgentX 数据显示,Vera Rubin NVL72 每兆瓦吞吐量比 GB300 NVL72 高 30 倍以上,在 DeepSeek V4 Pro 上每百万 token 成本低至 45 倍。
ElevenLabs 推出全球竞赛 The Search,征集全球最洗脑的 AI 广告,总奖金 10 万美元、由 11 名获奖者分享,冠军独得 5 万美元。参赛者需为虚构品牌制作 15–45 秒广告,原创 jingle 必须用 ElevenCreative 制作并提交原始音频,作品须公开发布在至少两个指定平台。
ElevenLabs 发布 Eleven v4 发音词典使用指南,该模型支持音素规则和行内 IPA,但不支持 SSML 音素与 break 标签。用户可通过 ElevenAPI 每次请求最多应用 3 个发音词典,用于修正品牌名、缩写、地名和行业术语的读法。
ElevenLabs 正式在荷兰落地并在阿姆斯特丹开设办公室,任命 Goswijn Thijssen 领导当地团队,并计划今年将荷兰团队规模扩大两倍。KPN 部署其语音智能体后,邮编识别准确率从 64% 提升至 82%,验证智能体已扩展至每周约 60,000 通电话、成功率 62%。平台目前拥有 100 个荷兰语声音,客户已生成超 2 亿条音频片段。
社交俱乐部 The Den 在新店开业时用 ChatGPT Work 把拨款申请从 3 天压缩到 2 小时、酒牌材料从 4 天压缩到 3 小时,每周因此省出 10-15 小时用于业务增长。
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,后续再面向开发者、企业和消费者推出。
选题角度:官方给出 Gemini 4 Argon 在 DeepSWE、CWE-bench 等基准上的分数和内部落地案例,适合做一次新模型能力与价格对比的解读。
NVIDIA 第 26 届研究生奖学金项目面向全球开放 2027–2028 学年申请,每位学生最高可获 6 万美元资助。项目面向 AI、机器学习、自动驾驶、计算机图形、机器人、医疗和高性能计算等方向,申请者须已完成至少一年博士阶段学习,截止日期为 2026 年 10 月 30 日,且须在 2027 年暑期到 NVIDIA 研究办公室实习。
Google DeepMind 推出 SynthID Bio,将水印技术引入合成生物学,可在生物代码中嵌入不可感知签名,并在合成出的实体蛋白质上验证,同时保持其生物功能。
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统搭配 Spectrum-X 102.4T 以太网正式可用,Cognition 的 Devin 成为首个在生产环境运行该平台的客户。
ElevenLabs 正式在比利时落地,于布鲁塞尔开设办公室,并任命 Falke Van Onacker 领导当地业务,计划今年将比利时团队规模扩大至三倍。其 AI 模型支持 90 多种语言,Belgian 企业已将其用于智能体部署、转录、内容创作与无障碍场景,包括 Glowi、Cavell、Corilus、Mediafin 和 FL Studio。
ElevenLabs 完成 3 亿美元员工股权要约收购,估值达 220 亿美元,较今年 2 月 D 轮翻倍,由 Wellington 和 T. Rowe Price 领投。企业业务已占其营收 55%,ElevenAgents 每周处理超 1500 万次对话,较 2 月增长 3 倍,同期 ARR 增长超 3 倍。公司同时发布 Eleven v4 和 v4 Turbo 两款文本转语音模型。
ElevenLabs 发布 Eleven v4 的 Audio Tags 列表,用方括号内的自然语言提示词控制语音的情绪、音量、节奏、反应、口音和音效。标签不限于固定列表,可以组合成 [whispering, fearful] 或描述情境与角色,在 Eleven v4、Eleven v4 Turbo 和 Eleven v3 上通过 ElevenAPI 使用。
选题角度:官方给出 Eleven v4 的 Audio Tags 用法和情绪轮试听入口,适合录屏演示同一句台词加不同标签后的语气差异。
OpenAI 披露阻断了一起协同模型蒸馏攻击活动,该活动旨在提取受保护的模型推理能力。OpenAI 表示正在加强对对抗性蒸馏的防御。
OpenAI 与美国小企业发展中心(America's SBDC)合作,为小企业扩大实操 AI 培训和本地支持,并同步发布一份关于小团队如何使用 AI 的新报告。
Hugging Face 发布 Open TTS Leaderboard,用客观指标评测开源多语言 TTS 与声音克隆模型,单模型评测耗时从数周投票缩短到数小时。
Hugging Face 发布论文 ProvenanceGuard,一种面向 MCP 智能体的生成后验证层,可保留工具输出的来源身份,检测"跨来源混淆"——即事实为真但被归因到错误来源。在医疗智能体的 281 条真实 trace 上,专家判定应拦截的 139 条 claim 中它拦下 138 条,来源识别准确率约 86%,并在四款对照检查器中得分最高。
ElevenLabs 的 ElevenAgents 在 OpenAI DevDay 上线的 Marketplace 中作为发布合作伙伴上架,符合条件的企业客户可通过该平台访问 ElevenAgents 并抵扣其 OpenAI 采购承诺。
OpenAI 发布 DevDay 2026 回顾,汇总了 20 多项发布,涵盖 GPT-6 Astra、ChatGPT、Codex、API、安全以及面向开发者的新工具。
OpenAI 发布 GPT-6.1 Sol,定位为面向编码、电脑操作和专业工作的 near-Astra 智能。其标准 API 输入与输出 token 价格仅为 Astra 的五分之一。
选题角度:原文给出 GPT-6.1 Sol 的定位与仅为 Astra 五分之一的价格,适合做新旧模型同任务对比实测,重点看编码和电脑操作表现。
OpenAI 发布 dots,将其定位为主动式助手,可在复杂项目和日常任务中持续推进工作。官方说明 dots 让用户在工作推进过程中保持掌控。
选题角度:原文只给出 dots 是能跨复杂项目持续推进的主动式助手这一句介绍,缺少入口和实测细节,暂不适合直接拍。
Google 与 XPRIZE 合作的 Future Vision XPRIZE 公布大奖得主,独立电影人 Jeff Synthesized 的《The Gifted》从全球 2500 多份投稿中胜出。
OpenAI 就涉及澳大利亚政府网站的事件致歉,并公布更强保障措施与支持,以加强澳大利亚的网络防御能力。
OpenAI 发布前沿 AI 训练安全案例的早期指南,覆盖技术防护措施、运营实践以及失准事件调查三方面。该指南面向前沿 AI 训练场景,目前处于早期阶段。
ElevenLabs 发布情感表现力最强的文本转语音模型 Eleven v4 及低延迟版本 Eleven v4 Turbo,两者支持 90 多种语言,现已上线 ElevenAgents、ElevenCreative 和 ElevenAPI。
选题角度:官方给出 Eleven v4 与 Turbo 的样片、音频标签写法和 ~100ms 延迟数据,适合做同一句台词在旧版与 v4 下的情绪表达对比。
ElevenLabs 将低延迟语音模型 Eleven v4 Turbo 接入 ElevenAgents,用于实时语音客服等场景,中位推理延迟约 100 ms,长通话稳定性较高。
ElevenLabs 发布教程,介绍如何用 Eleven v4 的 Audio Tags 为 TTS 脚本加入情绪指令,让同一句话按 [furious]、[excited]、[sarcastic]、[crying]、[worried] 等标签呈现不同表演。
选题角度:原文用同一句台词配 [furious]、[excited]、[sarcastic]、[crying]、[worried] 五种 Audio Tag 生成五版语音,适合做情绪标签前后对比的实测演示。