AI语音交互

欧盟委员会 2026 年 10 月 9 日的备案显示，Apple 可向 AI 音频初创 Huxe 部分员工发出录用，并获得其知识产权的非独占许可。本文讲清协议不是收购、Huxe 做过什么、哪些信息未披露，适合关注 AI 音频的人。

2026年10月5日，意大利总理梅洛尼向欧盟知识产权局申请注册自己的声音商标，材料是一段四秒录音。本文说明申请内容与她的深伪遭遇，并分析声音商标获批后能拦住什么、拦不住什么，适合关注 AI 权益风险的读者。

AI配音工具推荐给要给短视频、播客和课程配旁白、又不想每次自己录音的人：对比 ElevenLabs、MiniMax 海螺语音、Fish Audio、讯飞智作、豆包语音和魔音工坊的中文表现、声音克隆门槛与价格，帮你按场景选对一款，不花冤枉钱。

微软 AI 在 2026 年 10 月 1 日发布首款流式转录模型 MAI-Transcribe-2-Streaming 与 MAI-Voice-2.1 语音模型，本文拆清转写延迟、合成价格与适用场景，适合给语音智能体选型的开发团队参考。

Suno 10 月 1 日推出 Speech 测试版：输入文字、描述声音和音乐风格，一次生成带原创背景音乐的语音。讲清它能做什么、和纯语音合成的区别，以及已知的口音漂移问题。

ElevenLabs 在 9 月 30 日宣布完成 3 亿美元员工股份回购，估值达 220 亿美元，较 2 月 D 轮融资时翻倍。回购由 Wellington 与 T. Rowe Price 领投，Andreessen Horowitz、Lightspeed 等参与。本文梳理回购结构与语音智能体业务增长数据。

会议录音转成文字总漏字、错字？本文讲清转写错误的根因在录音质量和设置，给出录音、转写设置、校对三步排查法，附工具选择建议，适合经常开会、做采访、记课堂笔记的人。

解释多模态模型到底是什么：它如何同时理解文字、图像、声音和视频，和单模态、多任务模型有什么区别，新手最容易踩的三个误区，以及现在真正靠谱的用法。