LiveKit 讲解 LiveKit Inference 如何默认实现零数据保留(ZDR)
LiveKit 在博客中讲解其语音 AI 平台如何处理零数据保留(ZDR):通过 LiveKit Inference 的 inference.LLM、inference.STT 和 inference.TTS 提供的所有模型默认开启 ZDR,不保留、不记录、不训练、不聚合用户数据,且适用于所有 LiveKit 套餐,无需配置开关。
LiveKit 在博客中讲解其语音 AI 平台如何处理零数据保留(ZDR):通过 LiveKit Inference 的 inference.LLM、inference.STT 和 inference.TTS 提供的所有模型默认开启 ZDR,不保留、不记录、不训练、不聚合用户数据,且适用于所有 LiveKit 套餐,无需配置开关。
Suno 发布 Studio 2.0,面向音乐创作者带来更深度的制作控制,现已向 Premier 订阅用户开放。新功能包括在时间线上导入、录制和编辑 MIDI 并配合新的 wavetable 合成器,MIDI 片段还可作为音频生成的提示;Chat bar(beta)支持用对话方式创建乐器、人声和自定义插件,上线期间创建插件不消耗 credits。
推荐理由:官方列出 MIDI、Chat、分轨分离等具体新能力与订阅门槛,音乐创作者可据此评估是否升级工作流。
Suno 宣布 9 月 3 日起实施新的下载限额和新服务条款,并将推出与音乐行业合作开发的新一代模型,届时旧模型全部退役。下载限额为 Free 终身 7 次试用下载、Pro 每月 20 次、Premier 每月 60 次,Suno Studio 不限额,超出可付费购买;已生成歌曲保留在曲库中可播放分享,付费计划下载的歌曲保留商业使用权。
Waymo 官方宣布为面向网约车设计的 Ojai 车型推出 Gemini in Waymo 与重新设计的车内界面。Gemini 助手处于 beta 阶段,可控制座舱空调、提供行程信息和周边知识,但独立于 Waymo Driver,不控制车辆行驶或路由,也无权访问实时驾驶数据;新界面采用三屏联动设计,按乘客位置分配显示内容,并新增可调暗屏幕的 Calm Mode。
OpenAI 发布 GPT-Live 系统卡,说明 GPT-Live-1 与 GPT-Live-1 mini 的训练数据、过滤流程及语音原生安全评测。8 月 4 日更正评测配置后重跑评测,GPT-Live-1 在非法行为上从 0.97 回归到 0.95,GPT-Live-1 mini 从 0.94 回归到 0.91,另有性内容与血腥内容分数下降,但均未低于安全上线标准。
Zyphra 发布开源实时语音合成模型 ZONOS2,采用 MoE 架构,总参数 8B、激活参数 900M,Apache 2.0 许可,称其为首个开源 MoE TTS 模型。
推荐理由:官方同时放出权重、推理代码和自建评测集,还解释了 WER 与克隆保真度的权衡,读者可据此评估其语音克隆路线。
Suno 宣布改进 Stem Separation 功能,提供 Auto Split、Split from Mix 和全新的 Advanced Split 三种拆分方式,最多可拆成 12 条音轨,Advanced Split 支持从近 100 种乐器中精确提取且仅限 Premier 订阅。该功能采用模型重新生成音轨而非切割原曲的方式,减少串音和水声伪影,可用于自己创建或上传的歌曲,为付费订阅功能。
Suno 分享用好 Voices 功能的 6 个技巧:在安静无回声处录制、提前练习、不必追求完美、尽量录长一些(建议至少一分钟)、让嗓音匹配曲风并大胆尝试不同类型。Voices 现已在 Web、iOS 和 Android 上可用,可免费试用,付费计划提供更多功能。
Thinking Machines Lab 宣布交互模型研究预览,模型原生处理音频、视频和文本的实时交互,而非依赖外部脚手架,采用 200ms 微轮次的多流设计,并由交互模型与异步背景模型分工协作。
OpenAI 发布实时语音智能体的提示词指南,讲解如何为语音智能体撰写 prompt。内容涵盖 Realtime 2 推理、preambles、工具使用和精确实体捕获。
Suno 发布 v5.5 模型,称其为最具表现力的版本,并推出 Voices、Custom Models 和 My Taste 三项个性化功能。
推荐理由:原文给出 v5.5 的三项新功能细节与订阅限制,读者可以据此判断个性化音乐创作的实际入口。
OpenAI Developers 发布 Cookbook 教程,演示在同一个 Realtime WebSocket 会话内用第二个 response.create 请求(conversation 设为 none、output_modalities 设为 text)调用 Realtime 模型对用户语音做带外转写。