Gravy For The Brain 教程:如何关闭 Windows 麦克风自动增益与独占模式
Gravy For The Brain 发布配音录制教程,讲解关闭 Windows 的 Audio Enhancements 与 Exclusive Mode,避免系统自动增益压缩人声动态、其他应用抢占音频驱动导致 DAW 无法录音。
推荐理由:配音录音实用设置指南,解决自动增益和独占模式导致的动态被压缩、DAW 无法录制的常见问题,对搭建家庭配音棚和保证干净信号链有直接操作价值。
Gravy For The Brain 发布配音录制教程,讲解关闭 Windows 的 Audio Enhancements 与 Exclusive Mode,避免系统自动增益压缩人声动态、其他应用抢占音频驱动导致 DAW 无法录音。
推荐理由:配音录音实用设置指南,解决自动增益和独占模式导致的动态被压缩、DAW 无法录制的常见问题,对搭建家庭配音棚和保证干净信号链有直接操作价值。
Gravy For The Brain 发布配音自录音后期制作教程,讲解如何交付广播级试音文件。
推荐理由:配音自录试音的实用后期流程:零交叉剪辑、呼吸保留、样本级去咔声、80Hz高通处理爆破音、2:1压缩、-1dB峰值归一,对配音演员改善交付质量有直接操作价值。
Gravy For The Brain 发布教程,讲解配音音频应在何时导出为 Mono 或 Stereo:纯人声如试音、有声书章节、企业旁白和游戏台词应导出为 Mono,文件体积减半且便于客户混音师做声像处理。含背景音乐、立体声音效、多角色声像或双耳定位的成品演示、播客和广告成片则需导出 Stereo;若客户规格另有要求,应以客户规格为准。
推荐理由:对配音演员的交付规范有直接操作价值:单声道省一半文件体积、减少混音师拆轨返工,含按项目类型的导出对照表,也提醒以客户技术规格为准。
MLX Audio v0.5.9 新增 Nemotron 流式 STT、Fish S2 Pro 流式支持及 Irodori-TTS v4-Large 支持。版本还修复 Qwen3-TTS 流式解码偏差和未指定 max_tokens 时转写接口被限制为 1024 tokens 的问题,并调整 Metal 内核使用条件与 httpx2 依赖。
推荐理由:版本说明覆盖流式语音识别与生成模型支持、转写接口修复及Metal内核适配,可直接用于评估AI语音流程升级与部署兼容性。
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。
Castos 现在会通过 RSS feed 将 AI 转写转换为带时间戳的 .vtt 文件,并添加到新节目及已有转写节目。创作者也可在单集编辑器上传 .vtt 文件,支持 Apple Podcasts 等读取 Podcasting 2.0 <podcast:transcript> 标签的播客应用显示字幕;文件上限为 2 MB,必须以 WEBVTT 开头并包含至少一条带时间的字幕。
推荐理由:Castos 将 AI 转写和手动上传的 WebVTT 字幕统一接入 RSS feed,能直接改善 Apple Podcasts 等支持 Podcasting 2.0 的客户端显示,也明确了文件要求、替换方式与订阅权限。
FunASR v1.4.13 新增服务端对 n8n OpenAI 音频转写的支持,并修复 ONNX 依赖错误、实时 VAD 部分结果超时及 NumPy 2 ABI 不匹配等问题。该版本配套当前预构建 llama.cpp / GGUF 运行时,提供 Linux、macOS 和 Windows 多平台资源;Python 用户可安装 funasr==1.4.13。
推荐理由:新增 n8n OpenAI 音频转写支持并修复运行时、VAD 与依赖问题,配套多平台预编译资源,对语音转写流程集成和部署维护有直接参考价值。
Piper TTS v1.7.0 新增基于 OpenJTalk 的日语 phonemizer,训练时可通过 --data.phoneme_type japanese 使用 ja extra,语音配置中设置 "phonemize_type": "japanese" 后可进行日语合成。
推荐理由:新增日语 phonemizer、全上下文音调解析及训练配置,并调整 libpiper C API,为日语语音训练、合成和现有调用方升级提供明确接口依据。
SoundID VoiceAI通过转换创作者亲自录制的人声音色,制作C-pop、Mandopop和Cantopop的风格化参考人声。中文声调与咬字会由源演唱保留,模型不会纠正发音,因此非母语者应让流利演唱者录制引导人声,并匹配模型适合的输入音域。中文人声扩展包提供10个声音,支持DAW内本地免令牌处理;文章还说明了Unison Mode堆叠、授权来源及商业输出规则。
推荐理由:文章围绕华语流行、粤语流行和C-pop的AI音色转换制作,解释声调语言中的演唱录音、输入音域、DAW内迭代及混音处理要点,并说明授权与使用边界,对中文人声制作和前期参考制作具有直接决策价值。
Piper v1.3.0将开发迁移至OHF-Voice组织,暂移除C++代码并计划编写C API,同时改用GPLv3许可。Python API改为由PiperVoice.synthesize接收SynthesisConfig并生成AudioChunk,移除synthesize_raw,新增语音下载工具、文件输入、ffplay直出、原始音素和音量调整等CLI支持。
推荐理由:版本更新将移除C++代码、调整Python API与CLI输入输出方式,并改用GPLv3;使用Piper语音合成、部署集成或依赖相关许可的制作团队需核对兼容性。