WhisperX 3.8.7rc1 修复 Windows CUDA 检测并放宽依赖约束
WhisperX 3.8.7rc1 修复 Windows CUDA 检测,并在 uv source platform markers 中加入 AMD64。该版本将 huggingface-hub 约束从 <1.0.0 放宽为 >=0.19.0,完整变更范围为 v3.8.6 至 v3.8.7rc1。
WhisperX 3.8.7rc1 修复 Windows CUDA 检测,并在 uv source platform markers 中加入 AMD64。该版本将 huggingface-hub 约束从 <1.0.0 放宽为 >=0.19.0,完整变更范围为 v3.8.6 至 v3.8.7rc1。
whisper.cpp 发布 v1.9.1 版本,由 danbev 提交。此次版本在 Windows BLAS 的持续集成配置中新增 GGML_NATIVE=OFF 和 GGML_BMI2=OFF,并包含从 v1.9.0 到 v1.9.1 的完整变更记录。
whisper.cpp v1.9.0 新增对 NVIDIA Parakeet 的支持,并为 Ruby 增加 Parakeet 支持。此次更新还将 CI 的发布任务限制为仅在 tag 触发。
Universitat Pompeu Fabra回顾Freesound成立20周年的发展历程,该项目由简单声音数据库演变为涵盖工具、API、数据集和声音分析技术的平台。文章梳理其对创意、社区研究、声音文化及公民参与项目的影响,并讨论其作为人工智能研究资源的作用及服务社区利益的现行工作。
whisper.cpp 发布 v1.8.6,重新实现 common 中的 ffmpeg-transcode.cpp,并澄清 ffmpeg 的使用方式。该版本还修复了 examples.yml 中 whisper.h 的 CI 路径,完整变更记录涵盖 v1.8.5 至 v1.8.6。
Podbean 提出,AI 应辅助播客工作流,而非取代创作者本人及其独特声音。Podbean AI Audio Optimization 可降噪、智能响度处理和智能裁剪,AI Content Assistant 可生成标题、描述与章节标记,均需人工复核。AI Podcast Creator 可将文字转为合成语音,但应主动披露,且未经真人明确、书面同意,不得克隆或模仿其声音。
作者使用 ChatGPT 分析 Buzzcast 的播客标题、发布日期、时长、下载量、听众反馈和完整转录文本,用于寻找内容与表现之间的关系。文章建议先补充播客年龄、听众反馈等背景,再让 AI 分析标题、主题、结构、主持角色和旧内容,最后据此规划后续选题;分析结果仍需人工判断。
Steinberg 发布 Dorico 6.2.20,为 Dorico Pro 6、Dorico Elements 6 和 Dorico SE 6 增加对 Cantai 人声合成 VST 插件的支持。Cantai 可通过播放模板或手动添加到 Dorico,并为指定乐器自动渲染、更新人声部分;该更新还包含 25 项以上修复,包括 iPad 项目名称含逗号时无法打开的问题。
推荐理由:本次更新明确了 Cantai 在 Dorico 6 中的加载、分配与渲染流程,并补充了兼容问题和编辑功能修复,对人声合成与谱曲工作流具有直接配置价值。
SWivid 于 16 Apr 02:59 发布 F5-TTS 1.1.19,包含自 v1.1.18 以来的 13 次主分支提交。该版本复用 resamplers,并缓存 vocos 的 MelSpectrogram 实例,修复了 v1.1.18 中的问题 #1287。
Decent Sampler 1.20.0 新增波表引擎,可通过扫描单周期波形帧并交叉淡化来生成复杂、变化的音色。当前支持波形类型、文件路径、位置与帧插值四项参数,其中位置可实时调制;文件格式基于 Serum 兼容的 RIFF WAV。
推荐理由:明确说明新增引擎的参数、绑定层级与文件格式,能帮助采样乐器开发者配置可实时调制且支持帧插值的波表音色。
Pro Sound Effects 介绍构建游戏音频制作栈的工具选择与组合方法,比较 Wwise、FMOD、Unity、Unreal、Nuendo、Pro Tools 和 Reaper 的工作流特点。文章还覆盖音效资产管理、空间音频、版本控制、项目管理、自动化及 AI 降噪和分轨工具,并给出连接 Wwise、SoundQ、Pro Tools 或 Reaper 的实践路径。
sonible 与 Solid State Logic 推出 Synergy Pack,汇集双方 8 款热门插件,面向制作人、工程师和音频爱好者。插件包包含 smart:EQ 4、smart:comp 3、smart:limit,以及五款基于 SSL Fusion 硬件的插件,购买可节省 67%,优惠截至 4 月 16 日。
WhisperX 发布 v3.8.5 版本,固定 torchvision 和 torchcodec,以支持 torch 2.8。此次版本包含自 v3.8.4 以来的 16 次提交,相关变更记录与贡献者信息同步公布。
WhisperX v3.6.2 回移 v3.8.4 的词级时间戳修复,解决包含数字、符号或外语文字的单词无法生成正确时间戳的问题。更新通过通配符发射列支持这些字符,并为相关问题增加回归测试、pytest 开发依赖和 CI 测试工作流。
WhisperX v3.4.5 回移了 v3.8.4 的词级时间戳修复,并恢复无法对齐字符的时间戳。通过通配符输出列,包含数字、符号或外来文字的单词(如 4、9、£13.60)现在可获得正确时间戳,同时新增了针对 #1372 的回归测试、pytest 开发依赖和 CI 测试工作流。
WhisperX v3.3.6 回补 v3.8.4 的词级时间戳修复,改善包含数字、符号或外语字符的词段时间戳。该版本恢复了通配符发射列支持,并新增针对相关问题的回归测试、pytest 开发依赖和 CI 测试流程。
Image-Line News 汇总了 FL Cloud Pro 相关资讯,页面同时列出多条 FLEX 音色包、FL Studio 教程及产品更新。其中 FL Studio 2025 更新包含 500 条 Dynamic Mixer Tracks 和 Loop Starter,FL Cloud 页面则涉及 Sounds、AI-powered Mastering 与 Distribution。
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。
Piper TTS v1.4.0 新增基于 g2pW 的中文音素化支持,并使用原始模型的动态量化版本。中文音素化可指定 pinyin,也可直接使用 IPA phonemes,不经过 espeak-ng;训练新增预生成 phoneme ids、音素映射与符号数量配置,并支持仅恢复 vocoder params。
sonible 与 Solid State Logic 合作推出 autoSeries 插件家族,将 SSL 经典模拟建模与 sonible 智能音频分析结合,提供可编辑、透明的音乐化处理建议。
文章借《星球大战》中的 Droids 类比 Artificial Intelligence,认为两者除名称外没有实质区别。Droids 是搭载程序的机器人形态,AI 可有实体,也可只是软件,本身不会思考或拥有通用智能。文章列举 AI Voice 在地图、语音助手、IVR、实时翻译和 TikTok 配音中的应用,但原文内容在讨论部分用途时截断。
Pro Sound Effects 在 2025 年回顾了新增 13 个音效库、Partner API、SoundQ Watched Folders 及合作项目。Partner API 为开发者和合作伙伴提供程序化访问,Watched Folders 可自动跟踪本地硬盘或共享网络资源中的指定文件夹变化。
F5-TTS 1.1.15 版本发布,包含针对 gr.Accordion 默认 open=False 问题的变通解决方案。该版本自 1.1.12 以来的完整变更记录显示,主分支累计有 56 次提交,发布页提供相关资产与完整日志。
sonible 发布新一代频谱动态压缩器插件 smart:comp 3,以 Compression Matrix 二维空间可视化信号的可行动态行为,可在 snappy、punchy、dynamic、dense 等特性间切换。
FL Cloud Pro 相关页面汇集 FLEX 音色包、FL Studio 学习与教程,以及 Sounds、AI-powered Mastering 和 Distribution 等内容。页面还列出已发布的 FL Studio 2025,包含 500 条动态混音轨、Loop Starter 等新功能。
SuperCollider 3.14.1 正式发布,修复了在类方法中将参数设为关键字参数时出现的错误。版本还更新了部分帮助文件,并改进 Boost 库集成、构建系统和 CI 管线;完整变更记录可在项目的 CHANGELOG.md 中查看。
Loopstarter页面汇集FL Studio 2025及多款FLEX内容。页面列出2025更新新增500条Dynamic Mixer Tracks、Loop Starter等功能,并展示Euphoria、Hard 808s、Harmony等FLEX音色包,以及Transporter、Slicex等工具介绍和教程。
plugdata 发布 v0.9.2 的最终候选版本 v0.9.2-test3,修复了 FFT、Lua、关闭过程及多项 DAW 与插件问题,并改进渲染性能和资源体积。版本引入 Heavy 对带空格路径的支持、插件商店、实验性 Gem 支持、多项工作流改进及 OWL、WASM Heavy 导出平台,同时包含 [knob] 破坏性变更。
推荐理由:作为 v0.9.2 的最终候选版本,发布内容覆盖稳定性、渲染性能、资源体积与平台支持,并明确标注破坏性变更,适合升级前评估兼容风险与制作流程影响。
sonible 推出 learn:bundle,以五款 AI 驱动插件、引导说明和视觉反馈,帮助用户进行混音并理解制作流程。learn:EQ、learn:comp、learn:limit、learn:reverb 和 learn:unmask 分别用于均衡、压缩、限制、混响与频谱冲突处理,整套可试用 30 天。首发优惠价为 49,-(原价 199,-),优惠截至 2025 年 10 月 6 日。
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。
Pro Sound Effects 与 Musical AI 合作,确保用于下一代音频工具的音效获得适当许可。Musical AI 是一套权利管理系统,可让权利人安全地向 AI/机器学习合作伙伴共享内容,并在每次音效被使用时获得补偿。
游戏音频从业者 Mark Kilborn 与 Ville Sorsa 围绕 AI、预算缩减和玩家习惯变化展开圆桌讨论。两人认为小型核心团队、外包支持及跨部门协作将更受重视,AI 可用于占位配音、重复音效生成和音频修复,但目前尚不能取代人才。
推荐理由:圆桌覆盖团队缩编、通用型人才、AI 音频工作流与跨部门协作,可供从业者评估组织调整和制作策略。
Kokoro ONNX 提供 kokoro-v0_19.onnx 的 f32、f16 和 int8 优化版本,文件大小分别为310MB、169MB和88MB。配套的 voices.bin 是包含26个音色风格向量的 npz 键值文件,涵盖 af、am、bf 和 bm 等音色条目。
行业专家与获奖声音艺术家围绕2025年音频及创意媒体趋势发表观点,认为沉浸式与空间音频、AI驱动工具、耳机播放优化和音频后期技能复合化正在塑造创作流程。对话增强工具正提升音频制作可及性,AI则被用于通过关键词或相似声音搜索定位音效。空间音频的广泛采用仍需时日,但相关工具正变得更加易用。
Pro Sound Effects的Jeremy Siegel与Kirk Wheeler、Paul Nicholson围绕打造高效能创意团队展开圆桌讨论,分享团队目标设定、协作与行业变化等经验。嘉宾认为,AI工具正快速增长,可用于概念构思、创意发想和自动化,但生成式AI在制作中的直接应用仍受法律顾虑限制,产品中的使用应予披露。