AI 新闻

AI 语音公司 ElevenLabs 在一笔 3 亿美元的员工股权要约中估值翻倍至 220 亿美元，由 Wellington 与 T. Rowe Price 联合领投。这既是语音赛道被重新定价的信号，也折射出 AI 公司用老股交易替代传统融资的新常态。

Hugging Face 推出 Open TTS Leaderboard，为多语言文本转语音与声音克隆提供可扩展的横向评测基准，试图填补开源语音模型长期缺乏统一比较标准的空白。

ElevenLabs 推出新一代语音模型 Eleven v4，在笑声、耳语等副语言线索上跟随更准，长内容中的音色一致性显著提升；Turbo 变体首字延迟低至 150 毫秒，面向实时语音智能体。

语音 AI 公司 Modulate 完成 2500 万美元融资，其模型既用于语音生成，也用于检测深伪、欺诈与诈骗，把「造假」与「打假」放在同一条技术栈上。

音乐硬件初创公司 Thoughtful Things 在 Kickstarter 上发布首款产品 Engram，一款用 AI 扭曲音频、甚至生成幻觉音色的采样器与 groovebox。它刻意不做“一键出歌”的 Suno 盒子。

英伟达发布 Nemotron 3 Diarization，一个仅 1 亿参数、可实时识别对话中最多八位说话人的开源模型，把原本昂贵的说话人分离能力下放到轻量级部署场景。

索尼与环球音乐再次起诉 Suno，指控其新一代 v6 模型仍侵犯版权，理由是它基于此前模型的用户输出训练，而旧模型本身使用了未经授权的音乐素材。

TechCrunch与ElevenLabs CEO对谈，这家据报估值220亿美元的AI语音公司正支撑大量客服通话；CEO认为企业应当告知用户对面是机器，直到人们习以为常为止。

Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音合成模型，支持超 100 种语言，可通过文字描述凭空生成新音色，并能在单份脚本中生成双人对话。

Google DeepMind 放出 Gemini 3.8 文本转语音的预告，延续 Gemini 系列多模态能力向语音端的延伸。本文梳理这次发布的位置、TTS 赛道的竞争格局，以及它对开发者和产品方的实际意义。

YouTube 在 Made On YouTube 活动上为 YouTube Music 推出“Ask Music”对话式工具和“Your Podcast Lineup”个性化播客列表，旨在让用户通过自然语言更轻松地发现音乐、探索艺人并找到可能错过的播客。

NVIDIA 在 Hugging Face 发布 Nemotron 3 Diarization，把“谁在什么时候说话”这一能力带入实时多说话人场景，为会议转写、语音助手和客服分析提供可用的开源基础组件。