声音、音乐、配音、数字人和多语言制作。
ElevenLabs宣布与Liberty Global Ventures达成商业合作，并获得其战略投资，以推进语音AI在欧洲电信和娱乐产品中的应用。双方将探索AI客户服务智能体、联网电视与流媒体语音界面，以及客户沟通和营销等场景；该投资由Liberty Global Ventures Partner Rebecca Hunt领投，支持ElevenLabs扩大全球基础语音模型和多语言语音AI。
推荐理由：这项合作同时覆盖战略投资与电信、娱乐落地场景，可用于观察语音 AI 从模型能力走向客户服务和电视交互的商业化路径。
ElevenLabs 发布 Image & Video（Beta），将图像、视频和音频创作整合到同一平台工作流中。用户可调用 Veo、Sora、Kling、Wan、Seedance 等模型生成视频，也可使用 Nanobanana、Flux Kontext、GPT Image 和 Seedream 生成图像，并在 Studio 中完成配音、音乐、音效、口型同步、时间线调整和导出。
推荐理由：将图像、视频生成与配音、音乐、音效及时间线编辑放进同一工作流，便于评估一站式多模态创作的实际覆盖范围。
ElevenLabs 与 Sir Michael Caine 合作，并推出 Iconic Marketplace，为公司申请使用知名人才参与项目和内容提供双边平台。平台目前已有超过 25 种标志性声音，并与包括 CMG Worldwide 在内的机构合作，强调授权、同意和创作真实性。
推荐理由：该平台把名人声音合作放在授权、同意与创作真实性框架下，为品牌和工作室评估 AI 音频商业化与版权流程提供了具体案例。
字节跳动 Seed 团队发布端到端同声传译模型 Seed LiveInterpret 2.0，支持中英互译，采用全双工语音理解生成框架实现边听边说，翻译延迟低至 2-3 秒，较传统机器同传降低超 60%。
推荐理由：官方给出中英同传的准确率、延迟与声音复刻数据，可据此判断实时语音翻译的可用边界。
Replicate 发布 Veo 3 提示词指南，建议在提示词中明确主体、场景、动作、风格、镜头运动、构图与氛围，并单独描述对白、环境音、音效和音乐。文中指出 Veo 3 对同一提示词多次生成结果高度相似，想探索不同效果应改用差异较大的提示词；保持角色描述逐字一致可提升跨场景视觉连续性。
推荐理由：Replicate 基于实测给出 Veo 3 的提示词结构、音频与角色一致性写法，可迁移到视频生成工作流。
Replicate介绍 Google Veo 3 的视频生成能力，并分享一套涵盖镜头构图、焦段效果、风格和运镜的提示词方法。文章还展示了对话与口型同步、视频游戏世界等案例，并给出冰柱特写示例提示词。
推荐理由：文章整理了 Veo 3 的镜头构图、焦段、风格与运镜提示词，并结合对话、口型同步和游戏世界生成案例，便于复用其视频创作流程。
Replicate 提供 MiniMax Speech-02-HD 和 Speech-02-Turbo 的 API，可用于多语言文本转语音、情感控制和语音克隆。两款模型支持超过 30 种语言和口音，语音克隆需要至少 10 秒音频；Turbo 按 $30 per million characters 计费，HD 按 $50 per million characters 计费，克隆声音每个收费 $3。
推荐理由：文章并列说明 Speech-02-HD 与 Speech-02-Turbo 的定位、语音克隆条件和价格，便于评估不同实时语音场景的接入成本。
Easel AI 的全身换脸和 AI avatars 两款模型现已在 Replicate 提供，可通过网页或 API 调用。全身换脸可在单张图中替换一或两人并保留服装、光线和图像风格；AI avatars 只需单个提示词即可生成一或两人的头像，无需训练或 LoRAs。
推荐理由：这次接入同时覆盖全身换脸与免训练头像生成，能帮助开发者比较单人和多人场景的接入方式及 API 使用路径。
豆包实时语音大模型正式推出，并在豆包 APP 全量开放，升级至 7.2.0 版本即可体验。该模型是语音理解与生成一体化的端到端语音系统，相比传统 ASR+LLM+TTS 级联模式，具备低时延、对话中可随时打断、情绪承接和语音指令控制等特性，主要面向中文语境，可进行英语对话但暂不支持多语种。
推荐理由：官方给出端到端语音架构、众测维度与满意度对比，可用于判断实时语音交互的落地程度与能力边界。