跳到正文
只看AI#AI配音
今天11月11日周三1 条
11月10日周二
11月7日周六
  2. ElevenLabs58

    ElevenLabs 发布 ElevenAgents Unity SDK

    ElevenLabs 发布 ElevenAgents Unity SDK，可将 Unity 场景连接到 ElevenLabs 语音代理，通过玩家麦克风收音并用 AudioSource 播放代理声音，会话由 Conversation API 运行。

    推荐理由：官方发布 Unity SDK，说明语音代理如何接入游戏场景、按角色切换声音并触发游戏代码，适合评估实时语音交互的实现路径。

11月6日周五
  1. Newsshooter66

    iZotope 发布 GPU 音频处理软件 Photon

    iZotope 发布 GPU 加速的音频处理软件 Photon，内置 12 个本地运行的机器学习模型，用于降噪、去回声和人声分离。它可作为独立应用和 ARA 插件使用，支持在 Pro Tools、Cubase、REAPER 等 ARA2 宿主中直接处理片段，也可导入视频文件并按源格式导出。

    推荐理由：Photon 把 12 个本地 GPU 模型用于人声分离与降噪，并支持视频文件直入直出，可据此判断它能否嵌入现有后期流程。

11月5日周四
  2. RedShark News60

    iZotope 发布 Photon：GPU 本地运行的分轨与降噪 ARA 插件

    iZotope 发布 Photon，这是一款独立应用兼 ARA 插件，用 12 个自训练模型在本地 GPU 上完成分轨与音频修复，无需上传素材。它可将音乐拆成 4 轨、把鼓组拆成 kick、snare、hi-hat、toms、cymbals，最多分离 6 位说话人，并提供 Cinema 4 Stems 把视频或音频拆成对白、音乐、音效和其余部分。

    同一件事，精选收录的是《iZotope 发布 GPU 音频处理软件 Photon》

11月4日周三
  1. ProVideo Coalition60

    iZotope 发布 Photon 音频分离与降噪软件，内置 12 个机器学习模型

    iZotope 发布 Photon，这是一款由 12 个定制训练模型驱动的桌面软件，提供 GPU 加速的音轨分离与降噪。其 Demix 模型可将音频拆分为音乐 4 轨、鼓 5 轨、最多 6 位说话人，以及影视对白、音乐、音效等 4 轨；Denoise 模型覆盖室内混响、室外交通与大风等场景。

    同一件事，精选收录的是《iZotope 发布 GPU 音频处理软件 Photon》

11月3日周二
  1. Higgsfield71

    Eric Hsiao 如何在 Higgsfield 上用 Seedance 2.5 独自完成六分钟 AI 剧情短片《THE THAW》

    Eric Hsiao 在 Higgsfield 上用 Seedance 2.5 生成视频、对白与口型，以约三周半的兼职时间独自完成了六分钟剧情短片《THE THAW》。

    推荐理由：一位剪辑师转做 AI 导演的完整流程复盘，从世界观搭建、参考图锁定到重生成判断，给出了可迁移的具体做法。

  2. ElevenLabs22

    合成语音如何打造自然听感：ElevenLabs 解析语音克隆与神经 TTS 原理

    ElevenLabs 发文解析合成语音的制作流程：先采集真人录音数据，再训练或微调 AI 模型，最后由文本生成音频。现代神经 TTS 模型学习真人发音规律与韵律，并结合语境决定情绪、节奏和重音，因此比拼接音节的传统模型更自然。语音克隆可仅凭一段录音复刻个人口音与说话特征，也可完全依据文字描述设计声音。

11月2日周一
  1. ElevenLabs55

    ElevenLabs 发布音效模型 SFX v3

    ElevenLabs 发布音效模型 SFX v3，在 Sound Effects API 中通过 model_id 设为 eleven_text_to_sound_v3 调用。官方称其比 SFX v2 更贴合多指令提示词，人声和音乐处理更好，高频音效更不易削波。提示词按事件发生顺序排列效果最佳，prompt_influence 默认 0.3，循环功能目前仅支持 v2。

    同一件事，精选收录的是《ElevenLabs 在 ElevenCreative 和 ElevenAPI 发布音效模型 SFX v3》

10月30日周五
  1. ElevenLabs58

    ElevenLabs 在 ElevenCreative 和 ElevenAPI 发布音效模型 SFX v3

    ElevenLabs 发布音效模型 SFX v3，已在 ElevenCreative 和 ElevenAPI 上线。官方称新模型能更可靠地处理在单条提示词中描述多种声音的情况，音乐与人声生成更可信，并在基准测试中比 SFX v2 输出更干净自然，减少锣、铃、哨声等音效的杂音。

    推荐理由：官方说明 SFX v3 在单条提示词处理多种声音、音乐与人声生成上的改进，可供需要批量生成环境音与音效的创作者评估是否替换旧版。

10月29日周四
  1. ElevenLabs58

    ElevenLabs 推出强制对齐模型 Cue，支持 90 多种语言单次处理任意长度音频

    ElevenLabs 推出强制对齐模型 Cue，可将音频中每个字符定位到精确时间线，并已用于 Scribe 语音转文字模型家族。官方称 Cue 在 29 种语言的基准测试中优于所有被测对齐工具，完整录音的平均时间误差为 179 毫秒，开源工具为 283 毫秒至 6000 毫秒以上；在生产 GPU 上对齐一小时音频约需半秒。

    推荐理由：官方公布了 Cue 在 29 种语言基准、真实录音和歌曲对齐上的误差数据，可用来判断强制对齐在字幕与配音流程中的精度上限。

10月27日周二
  1. ElevenLabs22

    文本转语音技术如何工作：从文字到自然语音

    文本转语音（TTS）分两阶段把文字转为音频：前端做文本规范化、分词与语义韵律分析，生成数学向量；后端用神经声学模型生成 mel 频谱图，再由声码器合成波形。新一代生成式 AI 神经语音合成能产出更自然的语音，可用于内容创作、字幕和客服。以“Mr. Ríos paid $11 on 10/06”为例，日期与金额的读法取决于语种和上下文，前端误读会一路传到最终音频。

  2. YouTube：Higgsfield AI58

    Higgsfield AI 分享如何用软腭小舌音 R 让 AI 角色说出口音

    Higgsfield AI 在短片中介绍，即使提示词要求法国口音，AI 角色 Raphael 听起来仍是美式发音。解决办法是具体描述口音的实际听感，例如位于喉咙后部的软腭小舌音 R，而非只写口音国别。该片段出自完整视频《5-Step Workflow: How to Make Viral AI Short Dramas》。

    推荐理由：作者以自己给 AI 角色配音的调试为例，说明描述口音的具体发音特征比只写国别标签更有效。

10月24日周六
  1. Higgsfield38

    Higgsfield 与 HeyGen 2026 功能与定价对比

    Higgsfield 与 HeyGen 2026 功能与定价对比，按同一支10秒竖版广告拆解两者流程：HeyGen 从 Digital Twin 或库存头像出发，支持 175+ 语言翻译；Higgsfield 从 Marketing Studio 广告模板出发，用 Soul ID 和 Genjutsu 换物体控制场景。

    推荐理由：文章按同一支10秒竖版广告逐项拆解两个平台的角色、改片与翻译步骤，并给出可复算的积分成本对比。

10月23日周五
  1. Higgsfield50

    Higgsfield 发布 2026 年 AI 虚拟形象制作完整指南

    Higgsfield 发布指南，说明用 Soul 2.0 生成角色图、Seed Audio 1.0 配音、Seedance 2.5 生成对口型视频的三步流程。示例中一张参考图、两条配音和两段 5 秒 1080p 视频共花费 401.125 积分（约 19.66 美元），含 3 次重试；720p 同长度片段单次 35 积分。指南还给出提示词结构、参考图检查清单，以及何时需要训练 Soul ID。

    推荐理由：官方以同一角色演示从图像、配音到两段对口型视频的完整流程，并给出提示词、参数与逐项积分成本，可据此估算同类制作的开销。

  2. ElevenLabs22

    什么是画外音？定义、示例与制作方式

    画外音是画面中看不到说话者的声音轨道，常用于影视、广告、游戏与教学视频中的旁白、角色内心独白和产品播报。它与配音表演、旁白解说和译制配音不同，后者或需扮演角色、或需替换原有音轨。借助 AI，创作者可在家录制人声或生成定制语音，在预算和周期紧张时完成画外音制作。

  3. No Film School64

    Premiere beta 版推出 Enhance Audio，可将对白、音乐、环境声与混响分开处理

    Adobe 在 Premiere beta 版中推出 Enhance Audio，可把一段素材拆分为对白、音乐、环境声、音效和混响，并分别控制。Enhance Speech V1 在本地运行、不消耗生成积分，V2 通过 Firefly 在云端运行，每分钟消耗两个生成积分。新版不再因每次剪切或淡入淡出而重新渲染，并在素材两侧各处理 5 秒 handles，超出部分只分析新增片段。

    同一件事，精选收录的是《Adobe 在 Premiere beta 中推出 Enhance Audio 对白分离功能》

10月20日周二
  1. ProVideo Coalition68

    Adobe 在 Premiere beta 中推出 Enhance Audio 对白分离功能

    Adobe 在 Premiere beta 中推出 Enhance Audio，可在时间线上一次性分离语音、音乐、环境声、音效与混响，并分别调节音量或静音。语音增强可选本地运行的 Enhance Speech V1 或经 Firefly 云端运行的 V2，V2 重新处理按每分钟 2 个生成积分计费。

    推荐理由：原文拆解了 Premiere beta 中 Enhance Audio 的分离逻辑、云端与本地模型差异及生成积分消耗，可供剪辑师评估对白工作流。

  2. ElevenLabs38

    ElevenLabs 发布内容创作者语音转文字工作流指南

    ElevenLabs 发布面向内容创作者的语音转文字工作流指南，说明如何用 Scribe v2 生成视频字幕、播客文字稿并复用为博客与 newsletter。指南给出 SRT 与 VTT 的选用场景，并介绍关键词提示、说话人分离与多语言配音后转录的做法。Scribe v2 支持 90 多种语言，批量转录单文件上限 3GB、10 小时。

    推荐理由：ElevenLabs 官方梳理了从转录到字幕、播客文字稿与多语言配音的完整流程，并给出 SRT 与 VTT 的选用建议。

10月15日周四
  1. ElevenLabs69

    ElevenLabs 在 ElevenCreative 推出 Instant Soundtracks，可为视频生成配乐与同步音效

    ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks，上传视频后模型生成原创配乐，并分析画面中的音效点，把音效按对应时间码自动放到时间线上。

    推荐理由：ElevenLabs 在 ElevenCreative 中加入配乐与音效同步生成，音效按时间码自动落在时间线，并支持以原声为参考。

10月13日周二
10月12日周一
10月9日周五
  1. Higgsfield38

    Higgsfield 教程：如何把静态角色图像变成不丢身份的说话视频

    在 Higgsfield 中，用 Soul ID 从 20+ 张参考图训练可复用角色身份，再用 Lipsync Studio 把静态角色图像生成对口型说话视频，支持 18+ 种语言。示例用 Wan 2.5 Speak 模型生成 10 秒 1080p 视频，单条消耗 40 积分，约合 2.00 美元；首次含 Soul ID 一次性设置共 66.2 积分，约 3.31 美元。

10月7日周三
10月2日周五
  1. ElevenLabs38

    Eleven v4 如何在 AI 配音中加入停顿

    Eleven v4 用 Audio Tags 取代 SSML 标签，提供 [pause]、[long pause] 和标点三种停顿控制方式。其中 [pause] 相当于一次呼吸的短停顿，[long pause] 用于制造戏剧性静默，标点则作为节奏指令放慢台词。v4 的 "v4 Enhance" 按钮可自动为文本添加 Audio Tags，Voice Library 提供超过 17,500 种声音。

10月1日周四
9月28日周一
9月26日周六
  1. Higgsfield62

    Higgsfield 教程：2026 年如何制作 AI 动画短片

    Higgsfield 发布教程，把 2026 年制作 AI 动画短片拆成五步：设计角色与视觉风格、分镜、逐镜生成、配音或唇形同步、剪辑成片，并指出最大难点是角色与风格在镜头间保持一致。

    推荐理由：Higgsfield 官方给出从角色参考、分镜到生成与唇形同步的九步流程，并附 3 分钟短片的逐项积分与费用估算。

9月23日周三
9月21日周一
  1. ElevenLabs60

    ElevenLabs 在 ElevenCreative 中发布 Studio 4.0

    ElevenLabs 在 ElevenCreative 中发布 AI 原生视频编辑器 Studio 4.0，可在项目内直接生成视频、图像、配音、音乐和音效，并在同一处完成剪辑、字幕与导出。

    推荐理由：官方说明把视频、图像、配音、音乐与音效生成收进同一条时间线，并给出剪辑、字幕与协作的具体改动，可据此判断它能否替代现有分散工具链。

  2. ElevenLabs34

    ElevenLabs 工作坊实录：用 AI 在 Flows 里从产品图搭出完整广告战役

    ElevenLabs 在直播工作坊中演示了用 Flows 节点式编辑器，从两张产品照片和品牌色出发，一条提示词生成主视觉、脚本、配音与音乐，几分钟内完成竖版广告成片。Flows 的 agent 内置模型选择与提示判断，营销人员只需描述结果。ElevenLabs 内部已配备约 15 名 AI 创意制作人，并称其自投付费广告中 AI 生成与传统 UGC 素材表现无统计差异。

9月18日周五
9月16日周三
  1. Higgsfield22

    如何在 2026 年用 Higgsfield 把运动产品照片变成 AI 视频广告

    Higgsfield 提供两条把运动产品照片转成视频广告的路径：Marketing Studio 用 Click to Ad 或直接上传照片自动提取名称、描述、最多 8 张图片、品牌色与 logo，并从 1,500+ 模板中选取高动态格式；Cinema Studio 4.0 支持单条最长 30 秒生成，可直接设定类型、镜头、运镜、调色、节奏、年代、参考与情绪。