AES 更新春度网站,新增对白清晰度资源
AES 广播与在线交付技术委员会更新其响度网站,新增关于广播和在线媒体中对白清晰度的资料。内容基于报告《Improving Dialogue Intelligibility in Media》,梳理影响语音清晰度的因素及从采集到消费各环节的应对方法,并总结 TD1006、TD1008、TD1009 及 AES71、AES77 等技术文档与标准,附响度与清晰度术语表。
AES 广播与在线交付技术委员会更新其响度网站,新增关于广播和在线媒体中对白清晰度的资料。内容基于报告《Improving Dialogue Intelligibility in Media》,梳理影响语音清晰度的因素及从采集到消费各环节的应对方法,并总结 TD1006、TD1008、TD1009 及 AES71、AES77 等技术文档与标准,附响度与清晰度术语表。
开发者 Alexander Joannou 发布 LinkEffekt 2.1,这是一套连接 iPhone、iPad、Mac 上音乐应用与硬件的音频和 MIDI 路由系统,新版新增 MIDI 控制器共享。
由顽核社制作、2P Games与Elegoose Games联合发行的《我带过的最差一届》首周销量突破60万份,现已推出发售后的首次大型更新。更新加入新地图「秋游大巴车」,支持Steam「最近一起玩过的玩家」组队功能,新增「上课铃权限」设置,并在讲话玩家名字旁显示麦克风和音量图标。团队还根据首周对局数据调整了失衡教室的平衡性,并新增两种舞蹈动作。
Red Digital Cinema 与 Colorfront 合作,在 Red Connect 中集成原生 Colorfront 色彩管理,可将 Colorfront 引擎应用于 8K Red 相机实时画面。
Quiet Art 的 WaveRider v5.0 对原 Pro Tools 推子自动化插件进行全面更新,插件检测轨道信号电平、驱动 DAW 通道推子并写入音量自动化以维持设定输出电平。
Quiet Art 发布 WaveRider v5.0、WaveRider TG v2.0 和 LoudnessGracious v1.1 更新,为三款插件加入基于神经网络语音检测的 Dialog Mode,可区分真实对白、呼吸声、环境噪声和房间底噪,避免句间抬高非语音内容且不移除噪声、实时处理不增加延迟。
Algoriffix 发布 Pitch Perfekt v2,为其人声转 MIDI 插件及独立应用(macOS/Windows)新增 Vocal Transformer 和 Functional Harmony 两个付费功能。用户可以重塑人声本身,或用一段录音构建四声部编曲,不再局限于把演唱旋律捕捉为 MIDI。
Yamaha 发布歌声合成软件 VOCALOID7,引入第二代 VOCALOID:AI 引擎,主打更自然有表现力的合成演唱。
Tuned Plugins 将其人声制作效果插件更新至 V2,带来更新的 DSP、可更快查找和整理声音的新预设系统、用于可靠电平匹配对比的 smart gain,以及不丢设置的 A/B 对比。
Algoriffix 将人声音频转 MIDI 工具 Pitch Perfekt 更新至 V2,可将演唱音符实时转 MIDI,或将录制人声转成 MIDI 文件。V2 改进音高追踪,新增 Vocal Transformer(音高修正、移调、人声和声及 Growl)与 Functional Harmony(文件转换时生成四声部和声)、调性音名显示、电源嗡声滤波器和图形界面更新。
Algoriffix 将人声音频转 MIDI 工具 Pitch Perfekt 更新至 V2,可实时或离线把演唱转换为 MIDI。
Spotify介绍其AI DJ功能的两项更新:用户可关闭歌曲之间的语音解说,让音乐不被打断,适合晚宴等需要背景音乐的场景;同时新增多种语音选择,包括英式、美式、爱尔兰、澳大利亚和印度口音,西班牙语版本也新增两个选项。每个语音还有不同性格设定,如美式语音Tess“直接而有亲和力”。
RØDE 将 Capture 移动录音应用发布至 Android,可通过 Google Play Store 下载,iPhone 版此前已有。
Apple 上周推出 Logic Pro 13 for Mac 更新,AI 智能助手仅在订阅制 Creator Studio 套装版中提供,买断版虽版本号相同且获得 Liquid Glass 新界面,但不含该助手。
Algoriffix 发布 voice-to-MIDI 插件及独立应用 Pitch Perfekt 的 V2 大版本更新,主体功能保持免费。V2 新增两项付费功能:可实时塑造人声(含音准修正、音高与共振峰移动、人声和声与 growl)的 Vocal Transformer,以及文件转换时将录制旋律生成四部和声的 Functional Harmony,各带 7 天免费试用。
null.audio 将面向 Ableton Live 的 ARA 插件工具 Align 与 Edit 更新至 1.1,老用户免费。
Dreamtonics 发布 Synthesizer V Studio 2 Pro v2.3.0 更新,重构音素系统并采用语言无关的 X-SAMPA 支持,新增法语、德语、葡萄牙语和意大利语跨语言合成,渲染更快且可复现。英语基本保留 Arpabet 符号,全部语言新增用于气声嗓音的 /vf/ 音素;现有项目音素自动转换,新用户可花 99 美元购买。
Sound On Sound回顾英国公司Audioscenic基于AI、经扬声器实现双耳音频的技术进展,其技术已用于Razer、Dell、Acer等"powered by AUDIOSCENIC"设备。
Instagram 正在测试名为 Features 的长视频格式,向部分创作者开放最长 90 分钟的横屏视频上传。配套功能包括可将最多 8 条 Reels 链接到长视频的 Clips as Reels,以及归类系列短片的 Reels Series,两项已在巴西测试并自 10 月 26 日起扩展至美国小范围创作者。
Timedomain 发布面向 Windows 和 macOS 的 ACE Studio v2.1.9 更新,对现有用户免费。
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。
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。
《三国杀:一将成名》与《猪猪侠》联动版本正式上线,新武将威关银屏、限定将灵“超人强”及传说皮肤福利同步开放。20张猪猪侠联动皮肤免费使用,20位武将限时变身猪猪侠Cos版本并采用猪猪侠风格重新演绎台词配音;联动PVE、自走棋及武将设计活动也同步开放。
MLX Audio v0.5.6 新增 Parakeet Redux 和 Nemotron 3 Diarization 模型,并加入 Nemotron ASR 与 diarization 示例。版本号已更新至 0.5.6。
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。
Castos 推出 Rename Speakers,允许用户在剧集编辑器中把自动说话者分离产生的 Speaker A、Speaker B 标签替换为真实姓名。转录生成后即可在 Transcript 区域完成命名并保存,支持从已添加的 Host 中选择;该功能现已提供,包含在所有 Castos 计划的转录服务中。
WhisperX v3.7.9回移了v3.8.4中的词级时间戳修复。通过通配符发射列,包含数字、符号或外语文字的词语现在可获得正确时间戳,并新增了针对问题#1372的回归测试、pytest开发依赖和CI测试工作流。
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。