跳到正文
  1. RouteNote Blog60

    Instagram Edits 视频编辑器推出 Mac 桌面版,支持多轨时间线与 AI 助手

    Meta 将 Instagram 的 Edits 视频编辑器带到 macOS,新版提供多轨时间线、关键帧、音频波形精确剪辑、调色控制及无水印 4K 导出,需 Apple Silicon(M1 或更高)。

    推荐理由:Edits 登陆 Mac 带来多轨时间线与音频波形精确剪辑,并支持 MCP 接入 AI 助手做粗剪,对短视频、短剧类剪辑流程有参考价值。

  1. Splice Blog61

    Splice 发布全新 DAW Splice Create,Mac 版 beta 免费开放

    Splice 发布全新 DAW「Splice Create」,将旗下数百万条人类制作、完全授权的免版税采样、Splice INSTRUMENT 虚拟乐器与效果内置于一体,支持 VST 集成并可导出音频到其他 DAW。

    推荐理由:内置 Splice 授权采样库与 VST 集成、可导出到其他 DAW 的全新 DAW 进入 beta,改变基于采样起Track的工作流,定价与授权信息对创作者有直接决策价值。

  1. VoiceOver Herald79

    ElevenLabs 与 Mistral 发布多语言语音工具,配音授权成关键

    ElevenLabs 于 10 月 21 日发布 Eleven Realtime Translation,可让同一声音在 90 多种语言间实时转换;Mistral 同周发布 Voxtral 3,其 Pro Voice 据称可用 30 分钟音频跨 35 种以上语言保留说话特征。文章同时指出,工具能否使用某位配音演员的声音,取决于平台规则、录音合同及 SAG-AFTRA、日本演员工会等授权要求。

    推荐理由:两项语音模型发布直接扩大了配音、客服和本地化项目的可用能力,但声音授权、跨语言使用范围及付费条款已成为配音演员和制作团队必须前置核查的风险。

  1. sherpa-onnx 官方发布68

    sherpa-onnx 发布 v2.0.0

    sherpa-onnx v2.0.0 发布,新增多语言 TTS、ASR 字幕生成示例及多平台 API 支持。版本修复识别结果转义、Unicode、字幕时间戳和长音频 VAD 等问题,并移除 espeak-ng 与 piper-phonemize。

    推荐理由:新版本覆盖语音识别、TTS与字幕生成流程,并移除espeak-ng和piper-phonemize;相关开发者升级前应核查依赖与跨平台构建兼容性。

  1. Fish Speech77

    Fish Audio Drama 3 预发布:支持多角色与局部编辑的语音生成模型

    Fish Audio Drama 3 是一款将文本生成定向表演的开源语音模型,支持多参考声音克隆、自然语言导演指令、多轮重演、语音局部编辑、多角色场景、长文本与流式音频。模型采用35B-A3B混合线性注意力MoE骨干和codebook-MTP音频解码器,覆盖约80种语言和方言,输出44.1 kHz音频;预发布要求至少48 GB显存的NVIDIA GPU,并提供FP8与float16等运行方式。

    推荐理由:预发布模型覆盖多角色对话、按指令表演、轮次修订、局部编辑及长音频生成,并给出显存、语言和采样配置,对AI配音流程评估有直接参考价值。

  1. RouteNote Blog60

    Lunacy Audio 发布 Nova 云端乐器平台,规划 AI 插件构建工具

    Lunacy Audio 于 9 月 17 日推出 Nova 平台,首批提供 10 款免费或付费乐器,并可通过免费的 Nova Host 在浏览器及 DAW 中使用。用户可先在网页中试用乐器,再将个人 Nova 资源库中的乐器载入 DAW。平台计划未来推出 Nova Builder,以预制效果模块和 AI 提示创建、修改、分享、混编及销售插件,但相关功能、开放范围和商业条款尚未确定。

    推荐理由:梳理Nova现有云端乐器工作流与Nova Builder规划,并明确区分已上线能力、待开发功能及尚未确定的商业条款。

  1. sherpa-onnx 官方发布61

    sherpa-onnx 发布 Tauri 示例与 Doubao 文件识别流程

    sherpa-onnx 发布 Tauri 示例,涵盖 macOS、Linux、Windows、Android 和 iOS 的 Doubao ASR 文件识别与字幕生成。示例可将转写结果导出为 SRT、带时间戳 TXT 或纯 TXT,结果自动保存并可复用;语音会上传至 Volcengine 处理。

    推荐理由:展示了 sherpa-onnx 的 Tauri 示例及 Doubao 文件识别流程,包含字幕导出、结果复用与移动端运行方式,同时明确语音需上传至 Volcengine,适合评估跨平台语音转写应用的实现与隐私边界。

  1. FunASR69

    FunASR 1.4.16 发布:改进混合设备推理与 Transformers 指南

    FunASR 1.4.16 改进混合设备推理,保留 vad_kwargs、punc_kwargs 和 spk_kwargs 的设备配置,运行时覆盖不再修改已加载模型。新版本补充经测试的 Transformers 中英文指南,明确标点后处理需求,并附带 runtime-llamacpp-v0.2.6 的九项预编译运行时资源;测试不代表 CUDA、MPS 或 NPU 性能认证。

    推荐理由:更新明确修复重复推理中的设备配置传播问题,并补充 Transformers 使用与标点后处理指南,有助于部署者排查多设备推理和原生运行时的兼容边界。

  1. Fish Speech67

    Fish Audio 发布 S2 Beta 预览版

    Fish Audio 发布 Fish Audio S2 Beta 预览版,采用基于 Qwen3 的 Dual-AR 架构,并结合 GRPO 强化学习对齐生成语音。

    推荐理由:提供 S2 Beta 的架构、推理、部署与微调变更清单,并列出模型参数、采样率、语言范围和流式性能指标,便于技术团队评估升级影响与部署条件。

已经到底了