ElevenReader 登陆巴西：Fábio Porchat 配音，7 万本巴西葡萄牙语有声书上线
ElevenLabs 的消费级音频平台 ElevenReader 正式登陆巴西，并与 Bookwire Brasil 合作引入 7 万本获得授权的巴西葡萄牙语图书，其中多数此前从未有过有声版本。
#语音
ElevenLabs Hugging Face Blog TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，主打阿联酋方言
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一款 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。
ElevenLabs ElevenLabs 联系中心自动化指南：AI 智能体如何提升客服效率
ElevenLabs 发布联系中心自动化指南，介绍 AI 智能体如何以极少人工干预处理客服流程。文中援引三个 ElevenAgents 部署案例：Klarna 为 3500 万美国用户实现最高 10 倍更快解决，Rohlik 自动处理 90% 客户沟通，Getmobil 实现 75% 首次联系解决率和 60% 成本下降。
Danbo 编辑部 ElevenLabs
用于配音与声音创作；选择声音后，还需要导演说明与剪辑时间线中的听回判断。
Danbo 编辑部 声音也需要一张制作分层表
把对白、环境、动作音效和音乐分别安排，让 AI 声音素材服务于画面与叙事。
Higgsfield 官方博客 如何用 AI 打造无露脸 YouTube 频道：2026 年分步指南
Higgsfield 提供了一套从选题到发布的 AI 无露脸 YouTube 频道工作流：Supercomputer 规划频道定位并起草脚本，Cinema Studio 4.0。
Google Google Flow Music 支持将自定义工具导出为 DAW 插件
Google 官方介绍，创作者可用自然语言在 Flow Music 的 Spaces 中制作乐器或效果工具，并导出为 VST3 / AU 插件，在熟悉的数字音频工作站中使用。具体可用条件请查看原文与产品说明。
AWS Machine Learning Blog 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
AWS 展示了一套基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases 的航空公司语音旅行助手方案，用户可通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
ElevenLabs 什么是对话智能？企业应用指南
ElevenLabs 发布对话智能企业指南，介绍其通过 Scribe v2 和 Scribe v2 Realtime 实现通话录音转写与 AI 分析，支持 SOC 2、HIPAA、GDPR 及欧盟数据驻留。
ElevenLabs精选 ElevenLabs 推出 ElevenAgents Architect，用对话构建和改进语音智能体
ElevenLabs 发布 ElevenAgents Architect，一个内置专家，团队通过语音或文字对话即可创建和改进 ElevenAgents 智能体。
推荐理由：ElevenLabs 官方说明新智能体如何用对话方式分析通话记录并生成改动草案，可了解语音 Agent 的运维方式。
ElevenLabs ElevenLabs 详解带时间戳与事件标记的音频转写如何工作
ElevenLabs 的 Scribe 采用原生词级转写模型，单次 API 调用即可输出带时间戳的结构化 token 数组，每个 token 标记为 word、spacing 或 audio_event 三类，可识别笑声、掌声等非语音事件。
ElevenLabs ElevenLabs 介绍 Eleven v4 的配音停顿控制
官方指南介绍了 [pause]、[long pause] 和标点三种节奏控制方式。Eleven v4 使用 Audio Tags，而不支持旧式 SSML 停顿标签；停顿长度随语境变化，不能当作固定秒数的剪辑指令。
ElevenLabs ElevenLabs 为 Banner Health 部署 ElevenAgents 患者接诊语音智能体
ElevenLabs 的 ElevenAgents 已在 Banner Health 部署，用于患者来电接诊，首批上线基层医疗预约场景。该智能体可 7×24 小时接听来电、直接在 Banner 电子病历中预约改约和取消，并在需要时带通话上下文转接人工。系统运行于 Banner 的 AI 治理框架内，具备企业级安全和 HIPAA 合规。
Hugging Face Blog Hugging Face 发布 Open TTS Leaderboard：面向多语言 TTS 与声音克隆的可扩展评测
Hugging Face 推出 Open TTS Leaderboard，用客观指标评测开源多语言 TTS 与声音克隆模型，单模型评测耗时从数周投票缩短到数小时。
Google DeepMind精选 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，为 Gemini 的实时对话模型加入近实时的视觉形象，可同时处理视觉与音频输入并输出带表情和唇形同步的音视频。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解其多模态对话、异步工具调用与 97 种语言适配的具体设计。
Google DeepMind精选 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与逐句表演指导，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：两款 TTS 模型把语音生成从固定预设变成可逐句导演的创作流程，并给出基准排名与开放入口。
Google DeepMind精选 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，分别面向规模化低成本场景与高复杂度多步推理任务。
推荐理由：两款语音模型给出基准成绩与开放入口，可据此判断实时语音智能体的能力边界。
字节 Seed精选 字节 Seed 发布 SeedRealtime 音视频全双工大模型，已在豆包 App 全量上线
字节 Seed 推出原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本，可在连续多模态信息流上实时交互，实现边看、边听、边说。端到端人工评测显示，相比级联模型，其音视频对话节奏问题减少了一半，单次对话顺畅完整交流的概率明显提升。该模型已在豆包 App 全量上线，更新至最新版本后在对话框选择打电话进入视频通话即可体验。
推荐理由：官方给出音视频全双工的统一架构与端到端评测结果，可了解实时多模态交互的落地形态。
字节 Seed精选 字节 Seed 发布音频创作模型 Seed Audio 1.0
字节 Seed 发布音频创作模型 Seed Audio 1.0，在统一框架下联合建模人声、音效和环境声，端到端完成影视级音频创作。模型支持一条 prompt 统一编排对白、音效与环境声，时间控制精度达 100ms，单次可生成约 2 分钟音频并继续延长，覆盖 20+ 语种。目前已在火山方舟体验中心上线。
推荐理由：官方给出统一建模思路与多场景评测数据，可了解音频创作模型从拼接生成到完整声音场景的转变。