AI is being used to resurrect the voices of dead pilots★ 75
TechCrunch AI10d agoIncident近期有民眾利用 AI 技術，將美國國家運輸安全委員會（NTSB）公開的駕駛艙錄音「聲學頻譜圖（Spectrogram）」影像，成功逆向還原出已故飛行員的生前語音。由於駕駛艙語音記錄（CVR）涉及高度隱私，過去僅公開文字逐字稿，如今 AI 的還原能力打破了這項保護機制。為防止隱私進一步洩漏，NTSB 已緊急暫時關閉其公開案件卷宗系統。
Advanced audio dialog and generation with Gemini 2.5★ 85
Google DeepMind Blog364d agoReleaseGoogle DeepMind 宣布 Gemini 2.5 在 AI 語音對話與音訊生成上取得重大突破。新功能大幅提升了語音互動的流暢度、自然度與即時性，並支援更進階的音訊生成技術。這項更新將為開發者與企業帶來更具沉浸感的語音應用與全新一代的語音 Agent 體驗。
Real-Time AI Sound Generation on Arm: A Personal Tool for Creative Freedom
Hugging Face Blog364d agoRelease本文介紹如何在 Arm 架構硬體（如筆電、手機及邊緣設備）上運行即時 AI 聲音生成模型。透過 Hugging Face 與 Arm 的技術優化，創作者現在能以極低延遲在本地端生成音效，無需依賴昂貴的雲端 GPU。這項突破不僅提升了創作隱私，也為離線互動式媒體與遊戲開發開闢了新路徑。
Run MiniMax Speech-02 models with an API
Replicate Blog392d agoNew ToolReplicate 平台正式支援 MiniMax 的 Speech-02 語音生成模型 API。該模型提供高品質的文字轉語音（TTS）服務，並具備聲音複製（Voice Cloning）、豐富的情感表達以及多語言支持等強大功能。開發者現在可以透過簡單的 API 呼叫，輕鬆將這款先進的語音合成技術整合至自己的應用程式中。
Clone your voice using open-source models★ 75
Replicate Blog909d agoReleaseReplicate 宣布支援 RVC（Retrieval-based Voice Conversion）的微調功能，讓開發者與創作者能輕鬆複製聲音。使用者只需提供 YouTube 影片等音訊來源，透過 Replicate 的 API 撰寫幾行程式碼，即可自動轉換為訓練數據集並開始微調。這項更新降低了高品質開源聲音複製的門檻，適合應用於遊戲配音、虛擬主播及個人化語音生成。
Optimizing Bark using 🤗 Transformers★ 75
Hugging Face Blog1028d agoTutorialBark 是 Suno 推出基於 Transformer 的文字轉語音（TTS）與音訊生成模型。由於其包含多個子模型，推理時極耗資源。本文詳細說明如何透過 Hugging Face Transformers 整合的優化技術，包括啟用半精度（fp16）、智慧 CPU 卸載（CPU Offloading）、PyTorch 2.0 的 SDPA（縮放點積注意力）以及 `torch.compile`，在不犧牲音質的前提下，將 VRAM 佔用降低 50% 以上，並顯著提升生成速度。