lucasnewman 发布 v0.5.3,改进 Granite Speech 模型的参数处理
lucasnewman 发布 v0.5.3,核心更新是改进 Granite Speech 模型的 kwarg(关键字参数)处理。此次版本将版本号更新至 0.5.3,变更记录对应 64 个提交至 main 分支的更新,完整变更范围可查看 v0.5.2 至 v0.5.3 的更新记录。
lucasnewman 发布 v0.5.3,核心更新是改进 Granite Speech 模型的 kwarg(关键字参数)处理。此次版本将版本号更新至 0.5.3,变更记录对应 64 个提交至 main 分支的更新,完整变更范围可查看 v0.5.2 至 v0.5.3 的更新记录。
MLX Audio 发布 v0.5.2,修复 OmniVoice 音频 tokenizer 加载失败、未知 STT kwargs 导致生成失败及 Voxtral 在 token 32000 而非 (11) 停止的问题。
推荐理由:v0.5.2同时修复音频加载、生成参数与停止条件问题,并扩展多种语音模型支持,对本地语音合成、识别及相关工作流维护具有直接参考价值。
JUCE 9.0.2 发布,默认启用 MP3AudioFormat,并修复读取带 padding 的 MP3 VBR 文件和缺失末尾 pad byte 的 WAV 文件等问题。版本还改进了 OpenGL 渲染性能,修复 CoreAudio、VST3、UMP sysex7 及多目标 Xcode 项目相关问题,并新增 SECURITY.md 和软件物料清单。
推荐理由:这次更新覆盖 MP3、WAV、CoreAudio、VST3、OpenGL 与 Xcode 多目标项目等兼容性修复,并默认启用 MP3AudioFormat;对插件开发、跨平台构建和音频格式处理具有直接维护价值。
sherpa-onnx v1.13.7 修复 iOS、Windows arm64、CI 构建及在线标点模型初始化问题,并新增 Rust 的 iOS 支持、hello world Tauri 示例和 JavaScript API 的批量解码。
推荐理由:本次更新覆盖多平台构建、Rust 与 JavaScript API、流式识别及模型兼容性,能帮助使用者评估跨平台部署与识别接口调整带来的工程影响。
FunASR v1.4.14发布,修复Git归档和源码安装的便携源码包问题,并更新MOSS-Transcribe-Diarize文档与实时、工业部署指南。
推荐理由:本次发布同时提供FunASR Python包、llama.cpp跨平台预编译运行时及SHA-256校验信息,并更新部署文档,对语音识别模型的安装、部署和资源核验流程有直接参考价值。
Piper v1.8.0 新增基于 TLTK 的泰语 phonemizer,训练时可使用 th extra --data.phoneme_type thai,合成时可在 voice config 中设置 "phoneme_type": "thai"。
推荐理由:新增基于 TLTK 的泰语 phonemizer,明确训练配置、语音配置及 IPA warmstart 兼容性,并同步补充安装脚本与 CI 测试,能直接影响泰语 TTS 的训练和合成流程。
Apple Podcasts 更新了用于网站的嵌入式播放器,可嵌入单集或整档节目,支持视频和预告片。来自网页嵌入的播放不会显示在 Apple Podcasts Connect 分析中,但会记录在播客托管商数据里,方便新听众收听。
Zrythm 发布 v2.0.0-alpha.3,加入原生 VST3 插件托管、可调整大小的编辑器窗口、预设浏览与 A/B 状态比较,并向 VST3 和 CLAP 插件传递宿主走带信息。版本还重做了多声道音频路由,支持项目加载保存进度显示,并修复插件参数、备份、端口连接、播放头及音频线程等问题。
推荐理由:这次 alpha 版本涉及 VST3、CLAP 托管、音频路由与多线程渲染等底层变化,对使用宿主插件、合成器和多声道工程的制作人员评估兼容性及调试流程有直接价值。
Audacity 3.7.9 为 Windows 构建启用 ASIO,并新增 FFmpeg 9 支持。该补丁版本修复了磁盘空间不足、驱动器断开和未保存恢复项目关闭时的项目损坏与数据丢失问题,还处理了实时效果器崩溃、MIDI 播放位置、失败录音、片段速度和字体配置导致的冻结;此前发布的手册因基础设施问题损坏后已替换,不涉及安全风险。
推荐理由:为 Windows 录音链路和项目稳定性提供明确更新依据,尤其适合排查 ASIO、设备记忆、项目损坏、实时效果器崩溃及 MIDI 播放位置问题;FFmpeg 9 支持也影响导入兼容性。
Blubrry Publisher现可让托管客户上传一个MP4视频单集,并自动生成适配Apple Podcasts的1080p HLS视频、保留原视频及生成MP3音频,三种格式共用同一RSS feed。该工作流适用于Blubrry hosting客户,暂不支持PowerPress;使用前需将Apple Podcasts Connect API key关联至Blubrry,发布后需等待处理完成。
推荐理由:Blubrry Publisher将单次MP4上传转为HLS、原视频和MP3并纳入同一RSS,能减少双版本发布流程;对播客制作、托管及音视频分发人员有直接参考价值。
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。
Kubuntu Focus、Techpaladin Software与KDE e.V.合作推动Plasma 6.6及KDE Frameworks成为LTS,并为Ubuntu Studio 26.04所用的桌面环境和后端库修复问题。
MLX Audio 发布 v0.5.1,加入 Breeze-TTS-2、Phonon-1 STT、Granite Speech 5.0 STT、Audio8-TTS-Preview-0.1b 等模型支持,并为 VibeVoice 增加流式生成。版本还修复 Qwen3-TTS、Whisper、Qwen3-ASR、CAF 解码及 log-mel 频谱图等相关处理逻辑。
推荐理由:本次版本更新集中修正 TTS、STT、音频解码与采样流程,并新增多种语音模型和流式生成支持,对 AI 语音制作与模型部署流程具有直接参考价值。
FunASR v1.4.11发布,配套当前预构建llama.cpp/GGUF运行时release runtime-llamacpp-v0.2.6,并提供Linux、macOS和Windows多平台自包含资源及SHA-256校验值。
FunASR 1.4.10 修正了过长中文句子的可读字幕回退边界,不再机械填满每个字幕单元,而是平衡时长和长度并优先参考 JieDA 分词边界、标点、语种转换和实际时间间隔。
FunASR v1.4.8发布,MOSS新增对vLLM分离响应和长转写的支持,并修复下载时保留snapshot错误。该版本配套runtime-llamacpp-v0.2.6,提供Linux、macOS与Windows多架构资源及SHA-256,包括Windows x64 CUDA Blackwell(sm_120)版本。Python用户可通过PyPI安装funasr==1.4.8。
Furnace Tracker发布dev251,调整OPZ的LFO行为以匹配硬件:同一声道不能同时使用两个LFO,但可选择用于FMS/AMS的LFO。该版本还为即将推出的tremolo功能增加了额外参数。
SoundQ 新增将集合导出为 CSV、设置 Watched Folders 扫描偏好、启用或禁用波形区域选择,以及从音效返回原始文件夹或集合的功能。更新还扩展了传入 Media Composer 的元数据字段,并支持登录一次后离线使用;云端集合的整体改版计划于今年晚些时候推出。
推荐理由:新增集合导出、扫描控制、波形选择开关与来源定位,并改善元数据传递和离线使用,直接影响大型音效库的整理、检索与协作效率。
Harrison Audio 发布 32Classic Channel Strip V2 插件,新增原生 SSL 360° 与 UC1 集成、双 GUI 模式和扩展处理工具。版本加入 Auto-Gain 压缩、Compressor Mix、Emphasis Listen、外部侧链支持,以及 SSL 360° 下的 Fader、Pan、Width、Solo 和 Cut 控制。
Focusrite宣布Focusrite Control 2现已支持Scarlett 3rd Gen、Clarett+、Clarett USB,以及6i6、18i8和18i20。用户可下载新应用;从Focusrite Control迁移时需先卸载旧版,macOS还支持在多个USB接口间切换控制。
whisper.cpp 发布 v1.9.3,修复短音频 log_mel_spectrogram 的堆越界读取,并拒绝张量头中无效维度以防范畸形模型文件导致的栈缓冲区溢出。版本同时更新 CUDA、SYCL、Metal、Vulkan、OpenCL、WebGPU 等后端与 ggml 相关功能;官方注明语义化版本机制仍在完善中。
推荐理由:本次发布包含语音工具的安全修复,以及多后端、量化格式和推理执行方面的兼容调整,对升级排查与部署验证具有直接参考价值。
Kokoro ONNX 发布 model-files-v1.1,提供 Kokoro v1.0 与 v1.1-zh 的全精度、FP16 和 INT8 ONNX 文件,以及对应语音包。
推荐理由:三种精度文件及体积、相关性和语音包信息便于部署选择;时长输出、浮点速度输入与图内嵌配置还能直接改善时间戳生成、变速稳定性及分发完整性。
YouTube 宣布自8月24日起,公开观看量将按“视频从第一帧开始播放”即计数,公开数字预计明显变大。
sherpa-onnx 发布 v1.13.6,统一 Flutter 与 Dart CLI 的 init API,并加入 VAD+ASR Flutter 示例。版本还修复 Android、Java 和 iOS SPM 示例及 Dart 软件包发布问题,并在 C API 与语言绑定中开放 pyannote window shift ratio。
MLX Audio发布v0.5.0,新增Irodori-TTS v4及v4.1-Small模型支持,并加入MiniMax Music 3推理功能。版本还内置mlx-lm组件,统一不同ASR后端的热词支持,并将ndjson流式推理错误直接报告在响应中。
Buzzsprout播客主可从Directories页面一键提交至iHeartRadio,无需复制RSS或另填平台表单。提交前需完善播客信息并至少发布一集;上架后,iHeartRadio会通过RSS自动获取Buzzsprout发布的新集。
Piper TTS发布v1.6.1,中文语音合成中的g2pW模型改用`piper.g2pw_onnx`,不再通过`g2pw.api`调用。该更新移除`torch`和`requests`依赖,减少约750 MB安装体积,并使处理速度提升1.5–2倍;g2pW仍需用于拼音和注音符号查询。
Blubrry 推出按每月内容发布时长计费的新托管方案,创作者可结合单集时长与月更频率选择套餐,并随节目增长升级。音频、视频或音视频节目均适用同一计费模式,还可使用 Vid2Pod 将 YouTube 视频转为播客;多档节目、无限存储及 Dynamic Ad Insertion 等需求可考虑 Professional Hosting。
sherpa-onnx 发布 v1.13.5,更新 Nemotron、Moonshine、Inflect 等模型支持,并改进 QNN、WebAssembly、SPM、Flutter 和多平台构建。此次版本还修复 ScaleSilence、Piper TTS、Paraformer、FireRedASR、Pyannote 及多项崩溃、内存和数值计算问题。
推荐理由:本次更新覆盖模型导出、QNN 与多平台运行时,并集中修复 ASR、TTS、VAD 和音频处理中的稳定性与兼容性问题,对部署和制作流程有直接参考价值。
Audiokinetic与Dolby合作升级Wwise,开发者调整声道输出配置后,可在Android Automotive车载Dolby Atmos车型中实现完整的5.1.4或7.1.4音频渲染。已有30多个品牌的汽车支持Dolby Atmos,SmashLabs并于今年一月的CES展上首次展示相关车载游戏体验。
MLX Audio 发布 v0.4.8,更新 Nemotron VoiceChat 编解码器并改进 Nemotron ASR 流式处理。版本还修复 Whisper generate 未知解码选项、Qwen3-TTS 非预期 float32 升精度、Higgs Audio v3 模型类型解析等问题,并调整 Kitten TTS 五条解码路径以匹配 PyTorch 参考语义。
JUCE 9.0.1 新增用于 WebView 集成的 TypeScript npm package,并增加对格式错误 AudioFormat 输入的保护。该版本还修复 Xcode 12.4 下的 iOS 构建、旧版 Linux 发行版中的 Freetype 编译、macOS 文档图标、Linux GUI 无响应及 CoreAudio 编译问题。
推荐理由:这次更新补充了 WebView 集成包与 AudioFormat 输入防护,并集中修复多平台构建、编译、图标和 GUI 无响应问题,有助于开发者评估升级影响。
FamiStudio 4.5.3 修复部分 PAL VGM 导入过慢及 VGM 导入数据不正确的问题。该版本还修复未选择 arppegio (None) 时右键音符导致的崩溃、Mega Man 2 演示曲中的部分音符与包络,以及 4.5.2 引入的 NSF/ROM 导出问题。
sherpa-onnx 发布 v1.13.4,导出 Parakeet、Whisper 和 nemotron-speech-streaming-en-0.6b 等模型至 QNN,并加入对应 C++ 运行时支持。
推荐理由:本次更新覆盖 QNN 模型导出与 C++ 运行时、Windows 路径兼容和 ASR 结果处理,并扩展 JavaScript 非流式 API 的逐流热词支持,对部署与语音识别集成有直接参考价值。
Ravine DSP 发布 Inter::State V1.3 插件宿主,用于集中承载已有效果器并减少浮动窗口和零散 MIDI 映射。新版 Slot Scenes 每个插槽可保存八个音色状态,并在状态间切换、变形或按速度交叉淡化;效果链、宏控制与调制可在任一 DAW 和工程中恢复至原有状态。
Acast 宣布所有创作者现均可向 Apple Podcasts 发布视频,此前该功能仅限邀请,视频方案年付起步价 39.99 美元/月,创作者还可通过 Acast marketplace 从视频获利。Buzzsprout 的视频托管扩展至支持 Apple Podcasts、YouTube 和 Spotify,用户可向三平台交付 1080p 视频,音频+视频方案年付起步价 25 美元/月。
whisper.cpp 发布 v1.9.2,改进了 VAD 语音分段、时间戳映射和参数解析,并使 voice_length() 支持 UTF-8 CJK。版本还涉及 Parakeet、Android 示例推理性能、Ruby 语音分段 API 及 Nix 构建修复。
推荐理由:本次更新覆盖 VAD、CJK 文本处理、Android 推理性能与构建兼容性,并新增 Ruby 的语音分段 API,对语音识别工具的集成和部署维护具有直接参考价值。
MIDI Association与AMEI于7月24日联合发布MIDI-CI Profile for Piano(Version 1.0)及实施指南。该标准统一钢琴演奏的力度曲线映射、踏板行为、调律系统和钢琴特性,目标是让一台符合规范的设备录制的演奏在另一台设备上保持音乐意图。
MLX Audio 发布 v0.4.7,新增 arktts(Audio8-TTS-Preview-0.6b)和 Chatterbox Multilingual v3,并加入按类型分类受支持音频模型的 registry。版本还修复 BS.1770 响度计算遗漏 997 Hz 校准锚点的问题,修正 MLX 服务器模型加载线程归属,并更新 transformers 依赖至 5.14.0。
FL Studio 项目可保存到云端。正文未说明具体操作步骤、适用版本、价格或使用资格。