NPCTalk 让任意游戏 NPC 实时开口对话，GTA V 实测延迟低于 1 秒
模组作者发布 NPCTalk，可让任意游戏中的 NPC 实时说话，作者称 GTA V 里每个 NPC 都能以角色口吻、用克隆语音在 1 秒内回应并按其所说行动。
选题角度：作者把 NPCTalk 的技术栈和 GTA V 实测效果都摆了出来，适合围绕角色语音克隆和实时对话做玩法演示。
创作方向
语音与音频 最新动态
AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
24 条精选近 30 天 24 条共收录 103 条
更新
语音与音频的精选
Reddit · AI 大众社区精选AI 评分7373
TikTok · 搜「ai tools」精选AI 评分5858 用一段提示词在 Claude Code 里搭出可语音对话的 JARVIS
作者演示用一段提示词在 Claude Code 里搭建可语音对话的 JARVIS：先在提供免费 AI 模型 API key 的网站切换到 free 档拿到推理模型 key。
选题角度：原文给出完整搭建步骤和免费模型 key 入口，适合录屏演示从选声音到在 Claude Code 里按住空格对话的全流程。
Reddit · AI 创作社区精选AI 评分6262 Plenio 1.0 发布：ComfyUI 里的免费 AI 歌曲工作室，新增播放器与视频导出
Plenio Music Production System 1.0.0 发布，这是一套跑在 ComfyUI 里的免费 AI 歌曲制作系统，从歌词、演唱到母带和导出全流程打通。
选题角度：作者放出 Plenio 1.0 的免费 ComfyUI 节点和演示入口，适合录屏走一遍从描述到成曲再到导出视频的完整流程。
X · Runway精选AI 评分6262 Runway 上线 Mirelo SFX 2.0，可为视频自动生成同步音效
Runway 上线 Mirelo SFX 2.0，可根据视频自动生成与每一帧同步的完整音景，同时保留原有对白。官方给出了开始使用的链接。
选题角度：官方给出 Mirelo SFX 2.0 在 Runway 上线的入口，适合用同一段视频对比自动音效生成前后、并测试对白是否保留。
X · OpenAI精选AI 评分6262 OpenAI 发布 GPT-Live-1.1，为 ChatGPT、Codex 和 dots 语音带来新音色
OpenAI 发布 GPT-Live-1.1，为 ChatGPT、Codex 和 dots 的语音功能带来新音色、更好的口音，并减少“checking...”式的停顿。新增法语、德语、印地语、墨西哥西班牙语、韩语和日语音色，今日起向所有用户推送，API 版本即将上线。
选题角度：官方给出 GPT-Live-1.1 在 ChatGPT、Codex 和 dots 语音上的更新，适合实测多语种新音色与口音改善，并对比“checking...”停顿是否变少。
X · Min Choi精选爆款AI 评分6262 xAI 发布 Grok Voice 3.0 语音模型，响应时间低于 1 秒
xAI 发布 Grok Voice 3.0，作者称其已成为全球第一的语音到语音模型，响应时间低于 1 秒。该模型已在 Grok Bot 语音模式、特斯拉和 Starlink 支持中上线，作者称这是 AI 语音最接近真人的一次。
X · Justine Moore精选AI 评分5858 MireloAI 发布新 SFX 模型，为 AI 视频生成真实音效并保留人声
MireloAI 发布新的 SFX 模型，主打为 AI 视频生成真实音效，同时保留人声。Justine Moore 指出，AI 视频画面已经很好，但声音常常过不了图灵测试，很多模型会生成多余的音乐、夸张的音效或与场景不符的音频，她认为这个新模型能解决这一问题。
选题角度：原文点出 AI 视频音效不贴场景的痛点，并称 MireloAI 新 SFX 模型能在保留人声的同时生成真实音效，适合做新旧音效对比实测。
公众号 · 智东西精选AI 评分6262 苹果发布 HomeView 等四类智能家居新品，Siri AI 接管全屋
苹果发布四类智能家居新品，包括带屏中枢 HomeView、Apple TV 4K、HomePod mini 2 以及与 LG、施耐德合作的 Home Collection 配件。
选题角度：苹果一次性发布 HomeView、Apple TV 4K、HomePod mini 2 等家居新品，可梳理四款产品的芯片、价格与 Siri AI 落地差异。
公众号 · 差评X.PIN精选AI 评分5858 苹果发布智能家居中枢 HomeView 及新款 Apple TV、HomePod mini 2
苹果在官网发布智能家居新品，包括全新智能家庭中枢 HomeView、新款 Apple TV 4K 和 HomePod mini 2。HomeView 配备 7 英寸 Liquid Retina 屏幕、A18 芯片并支持 Siri AI，桌面版和墙面版两种形态，美国售价 299 美元，Siri AI 目前只在少数国家支持英语。
选题角度：苹果发布智能家居中枢 HomeView 及两款迭代新品，可对比 299 美元 HomeView 与米家、Ring 门铃的价格差，聊苹果智能家居生态的短板。
公众号 · 赛博禅心精选AI 评分6767 苹果发布 HomeView 家庭中枢，7 英寸屏内置 Siri AI
苹果发布 HomeView 家庭中枢，一台 7 英寸屏幕设备，可听歌、打 FaceTime、管理智能家居，内置新版 Siri AI，售价 $299，今天开始预订，11 月 13 日发售。
选题角度：苹果 HomeView 的 7 英寸家庭中枢已开放预订，可围绕 6 人识别、Siri AI 与隐私隔离设计做上手解读。
OpenAI News精选AI 评分6060 Higgsfield 借助 GPT-6 Astra 等模型将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上，背后使用 GPT-6 Astra。同时借助 GPT-Image-2.5 提升画面精度，并通过 GPT-Live 打通语音电影制作路径。
ElevenLabs Blog精选AI 评分7171 Baroness Campbell 用 ElevenLabs 声音克隆完成英国议会首次 AI 语音发言
英国上议院议员 Baroness Campbell 使用 ElevenLabs 克隆的本人声音，在 Health Bill 二读中完成英国议会首次由 AI 生成声音发表的演讲。
选题角度：原文讲的是英国上议院首次用 AI 克隆声音发言，可围绕当事人自述的“用 AI 说自己的话”和 11000 人恢复声音这两个事实做热点评论。
ElevenLabs Blog精选AI 评分6060 ElevenReader 登陆巴西，上线 Fábio Porchat 配音与 7 万本巴西葡语有声书
ElevenLabs 的消费级音频平台 ElevenReader 在巴西上线，用户可选用演员兼喜剧演员 Fábio Porchat 的声音朗读小说、PDF 或文章链接。
选题角度：原文给出巴西区免费入口和 7 万本葡语有声书目录，适合实测导入 PDF 或文章后用 Fábio Porchat 声音朗读的效果。
Theoretically Media精选AI 评分7474 Kling 4、Gemini 4 Argon、ElevenLabs v4 与 Ideogram 4.5 集中更新实测
Theoretically Media 实测了 Kling 4 早期访问版，覆盖文生视频、图生视频、Omni 和关键帧加 Omni 玩法，目前仅提供 Flash、720p，Ultra 为年付专属。
选题角度：作者实测 Kling 4 的文生视频、图生视频和关键帧加 Omni 玩法，并对比 Ideogram 4.5 反复编辑同一张图不漂移的效果，适合做多模型横评。
ElevenLabs Blog精选AI 评分6666 ElevenLabs 发布 Eleven v4 Audio Tags 列表与自定义写法
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。
ElevenLabs Blog精选AI 评分7878 ElevenLabs 发布 Eleven v4 与 Eleven v4 Turbo 语音模型
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 Blog精选AI 评分6666 ElevenLabs 讲解如何用 Eleven v4 的 Audio Tags 导演情绪化语音
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。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带口型同步、自然表情和流畅轮次的视觉化对话，即日起在 Gemini Enterprise 上线。
选题角度：官方给出多语言实时对话演示和酒店入住工具调用案例，适合录屏实测口型同步与后台调用工具时的对话连贯度。
The Decoder精选AI 评分8080 ChatGPT Voice 升级：接入邮件、日历和 Slack，由 GPT-6 Astra 等新模型驱动
ChatGPT Voice 迎来重大升级，全球可用的语音功能现在运行在 OpenAI 新的 GPT-6 Astra、Sol 和 Luna 模型上，并首次可以访问邮件、日历和 Slack 等插件。
选题角度：原文给出演示视频和邮件、日历、Slack 等插件入口，适合按演示场景逐条实测语音完成日常任务的效果。
The Decoder精选AI 评分7878 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS，可用文字描述从零设计音色
Google 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型，前者可用文字提示词从零设计音色，定义角色、口音和声音特征，两者均支持 100 多种语言并可为每句台词添加舞台指示。
选题角度：作者用预设音色加风格提示词实测了柏林口音英语，可复现这段提示词并对比官方样片与背景杂音问题。