语音与音频

StemDeck是一款免费、开源、本地运行的AI分轨工具，可将音乐分离为人声、鼓、贝斯等独立音轨，无需上传数据，保护隐私。

DJ 市场 Beatport 宣布立即生效，禁止完全或大部分由 AI 生成的音乐上架，成为首个明确抵制 AI 音乐的主流电子音乐平台。

Hugging Face 的 Open ASR Leaderboard 新增首个全球南方语言，标志着语音识别评测正从英语中心转向更广泛的语言覆盖，对技术公平性和模型实用性具有深远影响。

Google 推出 Gemini 3.5 Transcribe，支持 85 种语言，流式转写词错率 4.0%，延迟比前代低 70%，并可通过函数调用与其他模型协作。

Google DeepMind 推出 Gemini 3.5 Transcribe，将语音转写从单纯识别提升到理解层面，为会议记录、内容生成等场景带来新可能。

Google 更新 Gemini Audio，引入 Gemini 3.5 系列模型，提升转录精度，自动识别专业术语并去除语气词，支持 85 种以上语言。

本文解读语音识别领域基准测试优化现象，分析模型分数提升的实质意义，探讨基准测试与真实性能之间的鸿沟。

Adobe 将三款 AI 音频工具（音乐生成、语音生成、音效生成）全面引入 Firefly 平台，同时新增 Google 的 Gemini Omni Flash 模型，进一步丰富其创意生成生态。

英国一诊所的AI接待系统因无法理解约克郡口音导致患者挂断电话，凸显语音识别在方言和口音上的脆弱性，以及医疗场景中AI应用的现实挑战。

Meta 发布 macOS 版 AI 助手应用，其语音听写功能由自研 Muse Spark 模型驱动，标志着 Meta 在端侧 AI 与多模态交互上的新尝试。

一项新观察显示，消费者在不知情时偏爱AI生成的音乐，但一旦被告知是AI创作，态度便发生转变。这揭示了AI内容在现实中的接受度与标注之间的微妙关系。

Suno推出Studio 2.0，为Premier订阅用户提供完整制作工具，支持通过聊天创建乐器和插件，并开放MIDI导入与32位导出，但无限导出与平台反垃圾下载限制形成矛盾。