通义发布 Qwen-Audio-3.0-TTS 语音模型 一段参考音能说 16 种语言和 20 种方言 首包延迟做到 300 毫秒级 同一段参考音可以跨 16 种语言念，音色不走样：CV3-Eval 上说话人相似度 16 个语种全部排第一，Plus 平均 82.75 分（百分制，越接近 100 越像本人）。

发现一个很离谱的开源音频编辑器：#AudioMass# 它几乎就是“网页版 Audacity”，但居然完全在浏览器里运行，不用安装、不用注册、没后端，拖进音频就能直接剪辑、降噪、加混响、EQ、变速、录音。甚至现在还支持多轨编辑。 官方提供了一个实例，可以直接使用： 当然也可以自己部署： #github#

尝试一下暗黑料理，味道还不错，嘎嘣脆😄 Seedance 2.0 prompt 👇 【风格】超现实ASMR吃播（Surreal ASMR Mukbang），照片级写实（Photorealistic），奇幻美食大片质感，8K超清，双耳收音ASMR（Binaural Audio），暖橙-暗岩双色调 【时长】15秒 【场景】活火山脚下：背景是冒着橙红岩浆流的黑色火山锥，天空烟灰色带火光反照，空气中飘浮发光余烬颗粒（Floating Embers）；前景一张黑色火山岩石桌，桌上摆一只石碗，碗中盛满缓慢流动、发光的橙红岩浆，质感如高温果冻般粘稠光滑 【角色】主角图片1（严格保持参考图容貌、发型、粉色连衣裙与高跟鞋，全程不变；对岩浆高温完全免疫，无任何灼伤或痛苦表现） [00:00-00:03] 镜头1：火山开席（Wide Establishing → Push-in） 广角全景：主角图片1端坐在火山岩石桌前，身后岩浆流缓缓下淌，余烬如萤火漂浮。 她看向镜头轻轻一笑，抬起金属长勺在石碗边缘轻敲两下。 音效：远处火山低频轰鸣、岩浆咕嘟冒泡声、勺子敲碗的清脆"叮叮"声。 [00:03-00:08] 镜头2：第一口岩浆（Macro Close-up / ASMR Bite） 特写：长勺挖起一勺岩浆，橙红色浆体像熔化的麦芽糖一样拉出发光的丝，缓慢垂落，表面翻着细小金色气泡。 她凑近轻轻吹气，勺尖腾起一缕白色蒸汽。 嘴部微距特写：张口咬下，岩浆入口瞬间发出焦糖脆壳般的"咔嚓"碎裂声，随后是绵密的咀嚼声，嘴角逸出一丝细小蒸汽，她满足地眯起眼睛。 音效：吹气声、咔嚓脆响、粘稠咀嚼声、轻微吞咽声，全程双耳ASMR收音。 [00:08-00:12] 镜头3：发光岩石脆块（Crunch Sequence） 她从碗边拈起一块拳头小的发光火山岩脆块，通体橙红半透明、内部有流动光纹，像琉璃糖。 侧面特写：一口咬下，脆块应声碎裂，碎屑边缘闪着细小火星光点（2D贴纸质感，不接触皮肤）。 连续咀嚼特写：脆响层层叠叠由密到疏，她轻晃肩膀露出享受表情，指尖拈起碎屑再补一口。 音效：硬脆碎裂声、密集咀嚼脆响、指尖摩擦声。 [00:12-00:15] 镜头4：岩浆一口闷（Finale + Eruption） 她端起石杯将发光岩浆一饮而尽，喉部特写伴随清晰吞咽声，杯底翻转示空。 放下杯子对镜头甜笑比出OK手势，同一瞬间身后火山口喷起一束橙金色岩浆焰火（远景，不靠近人物），余烬如慢雪飘落。 画面定格在她的笑容与身后火光，不淡出。 音效：连续吞咽声、放杯的石器碰撞声、远处火山喷发的闷响与噼啪余烬声，无音乐无对白。

家人们，我又挖到一个宝藏AI语音工具！用了它，你会发现以前自己录音简直是在浪费时间。 Fish Audio —— 免费的AI语音克隆+配音神器，完全零门槛，不需要显卡、不用部署，打开浏览器就能用！现在做视频越来越卷，自己声音又不满意，录起来还尴尬？别慌！ 在 Fish Audio 上传一段十几秒的录音，就能快速克隆出你的专属声音；或者直接选用他们预设的几十种高质量音色。输入文字就能生成语音，中文发音自然度吊打之前大部分工具。 操作超级简单，三步搞定： 1️⃣打开官网： 2️⃣选择音色 or 上传自己的录音克隆 3️⃣输入文案，点击生成，几秒钟出结果 以后做视频推文、项目介绍、教程剪辑、撸毛干货……全都能用上！再也不用对着麦克风尴尬录半天了 最香的是每天5000字免费额度，日常使用完全够用，强烈推荐大家试试！

Claude 确实很牛逼，但他不是神。而且 Anthropic 在语音这块的投入相比于其他家是偏少的。 所以这个博主恰好说反了，现在 GPT 的付费模式还有 Gemini，它们都是原生的语音模式（Audio In, Audio Out）。 Claude 反而是现在这三家里面，还在坚持用 STT、TTT、TTS 三段式 Pipeline 的 AI 。 而且这里的因果关系也有点问题。 Eleven Labs 确实是 Claude 的供应商之一，但是 Eleven Labs 主要做的是 TTS（文字生成语音），它是“嘴巴”。 那博主说的能听出他语速过快的问题，这个是“耳朵”部分，也就是 STT 干的工作。而 STT 并不是 Eleven Labs 的主要工作。 其实，传统的 STT 是能够给句子带有一些标记的。 比方说，她可能用 10 秒就说完了一大长串话，或者是它把长难句中间没有停顿，这些 STT 都会记录，并且给出她语速过快的结论。 真正练英语，我建议还是用 ChatGPT 的付费模式。 虽然它那个语音模式的内核可能还是 GPT-4o，但是原生的那种聊天方式，感受是很好的。

看梅西投资基金Play Time的AI投资组合，突然一个熟悉的logo映入眼帘。第一时间以为是大众点评的新项目，但看了下介绍并没有关系，这个项目曾拿到a16z Speedrun支持的种子轮。@intangibleai或许你们需要知道下中国这个互联网大厂😂 Play Time 投资组合中的主要 AI 相关公司👇🏻 World Labs：由“AI教母”李飞飞创立的空间智能与3D世界生成公司，开发有类“上帝模拟器”的3D场景生成工具 Marble。 Field AI：专注于自主机器人和AI具身导航技术的开发商，产品获英伟达等巨头支持。 SuperAnnotate：为计算机视觉和AI大模型提供高质量训练数据的AI数据标注与管理平台。 Perceptron：致力于构建物理世界基础模型的AI前沿科技公司。 Fish Audio：专注于多模态与语音AI生成的服务公司。 Intangible：专注于3D可视化和前沿数字内容的工具平台。