ElevenLabs 指南：如何用 AI 转写播客
ElevenLabs 发布播客转写分步指南，流程为导出音频、选择方式、上传配置、审校、导出五步。其 Scribe v2 支持 90 多种语言、单文件最多 32 位说话人，网页端单文件上限 3GB、标准模式最长 10 小时。指南建议 AI 转写后人工审校，SRT 与 VTT 适合播客应用字幕，纯文本或 HTML 适合网站博客。
#语音
ElevenLabs 官方博客AI 评分2222 The Decoder AI in practiceAI 评分5858 ElevenLabs 发布两款实时语音转语音模型 Eleven Realtime
ElevenLabs 于 10 月 20 日发布两款实时语音转语音模型 Eleven Realtime。其中 Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间 0.57 秒，ElevenLabs 称 Artificial Analysis 榜单上目前没有模型同时更快且更准确。较小的 v1 Mini 面向低成本自然对话。
The Decoder AI in practiceAI 评分6060 Mistral AI 发布 Voxtral 3 实时语音智能体模型栈
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型家族，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。三者把聆听、思考、工具调用和说话合并为单一流式管线，转写覆盖 50 多种语言。智能体可在实时对话中调用外部系统。
ElevenLabs 官方博客AI 评分5858 ElevenLabs 发布 Eleven Realtime 语音到语音模型 v1 Mini 与 v1 Max
ElevenLabs 发布 Eleven Realtime 系列语音到语音模型，包含面向低成本自然对话的 v1 Mini 和面向复杂任务、多步工作流的 v1 Max，两者支持 90 多种语言并可调用 ElevenLabs 库中 17,000 多个声音。Artificial Analysis 的独立评测显示。
ElevenLabs 官方博客AI 评分3838 ElevenLabs 语音转文字工作流指南：为内容创作者生成字幕与再利用内容
ElevenLabs 发布面向内容创作者的语音转文字工作流指南，用于生成视频字幕、播客节目笔记并将音频内容转为博客等文字形式。其 Caption Generator 可生成词级和字符级时间戳，字幕可导出为 SRT 和 VTT 文件。Scribe v2 模型默认逐字转写。
AI新榜AI 评分3232 Meta 推出开放权重模型 Muse Spark Open，可在两台 Mac Studio 本地运行；苹果国行 AI 10 月底开放测试
Meta 发布 8160 亿参数开放权重模型 Muse Spark Open，采用混合专家架构，每次处理 Token 激活约 420 亿参数，支持 100 万 Token 上下文及文字、图片、音频、视频输入，借助苹果 MLX 框架可在两台 Mac Studio 组成的约 1TB 内存集群上本地运行。苹果确认 Apple 智能已获批进入中国市场。
ElevenLabs 官方博客AI 评分3030 ElevenLabs 详解音频深度伪造检测：水印与统计检测如何工作
ElevenLabs 发文解析音频深度伪造检测的两类技术路线：传统工具用统计分析给出样本为 AI 生成的概率分数，水印则由合成器在音频中嵌入人耳听不到的数学签名，检测器可给出确定的是或否。ElevenLabs 的 Audio Detector 能高准确率识别自家产品生成的水印，但无法识别其他公司的水印，因此水印只应作为大规模检测体系中的一环。
ElevenLabs 官方博客AI 评分2222 ElevenLabs 如何转写访谈：准确、带说话人标签的转录
ElevenLabs 发布访谈转写指南，其 ElevenCreative Speech to Text 基于 Scribe v2 模型，在 ElevenLabs Playground 和 ElevenAPI 中同时支持逐字与干净两种转写风格，逐字为默认。多通道转写可为每位说话人单独分配麦克风与标签，避免串话时的标注错误；音频事件默认打标签，可用关键术语提示纠正人名与行业术语拼写。
ElevenLabs 官方博客精选 ElevenLabs 发布 Eleven v4 与 Turbo，面向配音、对话及多语言音频制作
ElevenLabs 官方发布 Eleven v4 和低延迟变体 Eleven v4 Turbo，介绍自然语言表演指令、音频标签、多说话人对话及跨语言音色保持能力。文章称两者支持90多种语言，并已通过 ElevenAgents、ElevenCreative 和 ElevenAPI 提供，适用方向包括旁白、有声书、角色台词和本地化配音。 官方榜单、偏好测试及延迟数字未由本站复核，不计作本站排名或实测。声音克隆能力不代表取得任意声音的使用授权；套餐、声音授权和输出商用条件需单独核验。
推荐理由：多语言配音、对话和表演控制属于声音制作；公布与修改时间分别保留。 官方声明，未由本站实测。
Comfy 官方博客 Comfy 公布 H3 音画同步创作挑战获奖案例
Comfy 回顾与 MiniMax 合作的 H3 音画同步挑战，介绍同次生成中声音与动作结合的作品及评审流程。该活动已经结束；获奖结果属于主办方评审，不作为本站工具质量排名。
Comfy 官方博客 历史活动：Comfy 与 MiniMax 的 H3 音画同步挑战
Comfy 曾发起 H3 音画同步创作挑战，要求声音与视频来自同次生成，并允许按说明使用参考音频。该项为已结束活动的历史记录，不能当作当前报名入口；参赛素材的权利需由创作者确认。
Comfy 官方博客 MiniMax Music 3 接入 ComfyUI 音乐生成流程
Comfy 的集成说明介绍 MiniMax Music 3：使用歌词与声音描述生成完整歌曲，并说明模型结构与立体声输出。时长、采样规格及连贯性为官方说明；音乐、声音、歌词及商用许可需单独核验。