ElevenLabs 发布文本转语音模型 Eleven v3（Alpha 版）

ls/fal-ai/playai/inpaint/diffusion (@HammadH4@X、 @PlayAIOfficial@X) 2、ElevenLabs 发布对话式人工智能 2.0 ，具备新一代先进的轮流发言功能和全面支持企业级应用 ElevenLabs 发布 Conversational AI 2.0，实现了自然转换对话能力，能识别语气词判断用

全新语音模型 API，具体包括： gpt-4o-transcribe (语音转文本)：单词错误率 (WER) 显著降低，在多个基准测试中优于现有 Whisper 模型 gpt-4o-mini-transcribe (语音转文本)：gpt-4o-transcribe 的精简版本，速度更快、效率更高 gpt-4o-mini-tts (

务，这使其成为 ML 从业者和研究人员的强大工具。 最近发布的 Transformers.js 2.7.0 添加了一项重要功能：文本转语音。 下面是演示视频：     开发者表示目前只支持 speecht5 的文本转语音，将来会添加其他模型，

输出语言 目前，SeamlessM4T 已在 CC BY-NC 4.0 许可下发布，以便研究人员可以在此基础上进行开发。与此同时，Meta 还发布了一个多模式翻译数据集 SeamlessAlign，包含 270,000 小时的语音和文本对齐。  Meta 表示，现有的语音

Plain-Text、Adobe Encore DVD）。 目前，Subtitle Edit 3.6.6 已发布，该版本更新内容如下： New 为 iTT 属性添加工具栏图标 添加新的子格式 在 UI 中关闭“word split list”的选项 自定义文本格式的自定义文件 ext 添加语音识别

; 在"Multiple replace"输出中提示 overwrite 修复 TTS Azure/ElevenLabs 的"abort"问题 修复视频播放器中音量文本 UI 修复法语 "L'"后的错误大小写问题 修复在 TTS review 窗口中双击"Play"时崩溃的问题 修复 DCinema 颜色 更多详情可查

ChatGPT Voice。 OpenAI 于今年 9 月推出了基于 ChatGPT 的文本转语音功能  ChatGPT Voice——使用神经网络模型从文本生成类似人类的语音。该功能此前仅面向 ChatGPT Plus 订阅用户提供，现在向所有免费用户推出。 据介绍，C

其是“小版本升级”。 下面是官方针对 DeepSeek-V3-0324 发布的更新说明。 DeepSeek V3 模型已完成小版本升级，目前版本号 DeepSeek-V3-0324，用户登录官方网页、APP、小程序进入对话界面后，关闭深度思考即可体验。API 接口和使用

发和维护过程的提质降本增效。 Diboot 3.2.0版本已于近期发布，对照我们对V3的架构设想，最后一块拼图（页面设计转代码）已经顺利完成，至今，Diboot 已实现理想中的低代码解决方案：零代码、低代码、纯代码 自由切换顺畅融

北京时间 3 月 24 日晚，DeepSeek 「突然」发布了模型更新。 但暂时还不是 DeepSeek V4 或 R2，而是 DeepSeek V3 模型的一次更新。 目前，其开源版本目前已经上架开源网站。其开源版本模型体积为 6850 亿参数。 https://huggingface.co/dee

没有显示出放缓的迹象。据报道，病毒式语音克隆工具 ElevenLabs 正寻求以 30 亿美元的估值筹集资金，而 X 声名狼藉的图像生成器背后的公司 Black Forest Labs 据说正在洽谈一轮 1 亿美元的融资。

近日，AI 图像生成模型 Midjourney 发布了最新版本 V7 Alpha。 新版本主要变化： 整体图像质量提高，对文字与图像提示的理解更准确，身体、手部及各种物体在细节上的一致性大幅增强； 人物肤色和面部细节更加自然清晰，

能四世同堂，凭什么开发 30 岁就要被干掉？ 红杉资本发布一份报告，总结了这一年生成式AI突飞猛进的发展，探讨了生成式AI的发展趋势和市场表现。 一年前他们发布了一份预测，一年后红杉总结之前的预测，发现了他们预

le Intelligence功能套件的一部分。值得一提的是，日前百度发布文心大模型4.5 Turbo和文心大模型X1 Turbo，后者为深度推理模型，官方测试结果显示其整体效果领先DeepSeek R1、V3最新版，价格为DeepSeek R1调用价格的25%。 关于国行版苹