ElevenLabs 发布 Eleven v4 语音模型，提升表达力和长内容一致性
ElevenLabs 正在发布 Eleven v4 语音模型，称其能更准确遵循方向提示，并在长制作中保持声音一致。Eleven v4 支持 90 多种语言、每次请求最多 10,000 个字符，Turbo 变体面向实时语音智能体，约 150 毫秒开始生成语音。
推荐理由：原文同时给出语言覆盖、延迟、价格和对比测试，便于评估语音模型在创作与实时智能体中的适用性。
语音与音频
全部主题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。
最新精选
第 1–5 条 · 共 5 条The Decoder精选AI 评分7777
Google AI Dev精选AI 评分6767 如何用 Gemini Live API 构建实时语音 AI Agent
Google AI Dev 介绍如何用 Gemini Live API 构建实时语音 AI Agent，使浏览器、Python 后端和 Gemini Live API 通过 WebSocket 传输双向音频。
推荐理由：文章把实时语音 Agent 拆成 WebSocket、双循环、barge-in 和异步工具回执，便于复用到低延迟语音场景。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文本转语音模型，用于生成自定义角色声音并逐行控制场景对白。
推荐理由：原文同时给出能力、评测和开放渠道，便于判断 Gemini 音频模型在创作与企业语音场景的定位。
Suno Blog精选AI 评分6161 Suno 与 Believe 和 TuneCore 达成全球战略合作
Suno 宣布与 Believe 及其自助发行平台 TuneCore 达成全球战略合作，面向独立艺术家和厂牌开发可选择参与的新产品体验。使用 Suno 新行业合作伙伴模型创作的曲目将有资格通过 Believe 和 TuneCore 发行，相关音乐会适用音频水印、指纹识别和下载限制等保护。Suno 称新模型将很快发布，Believe、TuneCore 及其独立艺术家社区将参与后续发展。
推荐理由：原文呈现了 Suno 与分发方从分歧到合作的过程，可观察音乐生成工具进入发行链路的方式。
MiniMaxAI · Hugging Face 新模型精选AI 评分8585 MiniMaxAI 发布 MiniMax-H3 全模态生成系统
MiniMaxAI 在 Hugging Face 发布 MiniMax-H3，这是一个通用全模态生成系统，支持文本、图像、视频和音频组成的多模态上下文理解，并可生成带原生立体声音频的视频。
推荐理由：原文披露了模块拆分、输入规格和本地部署路径，可帮助开发者评估接入成本与适用场景。