#audio generation
ElevenLabs 出了个 Instant Soundtracks，上传视频自动配乐加音效，还能参考原声风格，做视频的可以试试。
Fish Audio 新出的 Drama 3 能只改配音里错的那个词，其他不动，不用整段重录，还支持 83 种语言，做播客和配音的可以试试。
This research demonstrates a new approach to teaching robots how to interact with objects by using both visual and auditory information, which could lead to more precise and effective robotic systems.
朋友在用 AI 生成音频故事，年营收 5 亿美元，推荐你看看他们的增长秘诀，比如用 AI 生成广告视频，CTR 提升后用户获取成本下降 30%。
朋友，印度这家叫 Pocket FM 的公司，用 AI 生成音频内容，效率提升好几十倍，营收也翻倍了，挺有意思的。
Adobe 给 Firefly 加了三个 AI 音频工具，能直接生成音乐、配音和音效。还接入了 Google 的 Gemini Omni Flash，比普通版更快。
皮卡实验室发布了Pika SFX音频效果系统的测试结果，这个系统能做音频效果创作，和别的系统比起来它在实用性等方面表现更好，值得了解下～
Pika 发了 Soundtrack，能把视频压成潜在令牌再生成同步音频，时序和场景都对得上，做视频配乐可以试试。
这个新模型能同时生成24帧视频和48kHz立体声，比之前无声的世界模型多了一路声音，而且马上开源，可以自己跑一跑。
Pika一口气发了4款音频模型，配音、语音、音乐、音效齐了，价格最低压到同行的1/20，做应用开发的可以去看看接不接。
Pika 把音频生成价格打下来了，Soundtrack 每秒 0.617，性价比是 Hunyuan Foley 的两倍，做视频配音可以看看。
这篇论文提出用时间差异做视频生成音频，不用额外网络，效果还超过了对比预训练方法，值得做V2A的人看看。
想做音频类 Agent 产品可以直接抄作业：ShipAny 出了 Voice Agent 模板，配上 OpenAI 或 11labs 的 key 就能跑，适合有声书和播客。
黑森林家的FLUX 3 刚曝光，既能文生视频又能带音效，还和Seedance 2.0打了个平手，甚至能控制机械臂。想尝鲜的可以去申请测试。
字节跳动新出的 Seed Audio 1.0，能对音频做精确到帧的控制，做电影级音效、语音、环境声都行，还支持20多种语言。
字节新出的 Seed Audio 1.0 能精细控制声音时间线，还能跨 20 多种语言保持音色一致，音频可用率超 90%，做视频创作很实用。
想用 Stable Audio 3.0 做自己的音频工具？这个免费工作坊手把手教你搭建自定义应用，别错过。
阿里要推新的AI音乐平台HappyShrimp，一句话就能生成专属音乐，功能挺全，音乐创作者可以关注。
MiniMax Hub这次更新很实在，加了两个新音频模型，还有针对短剧等场景的一站式工作流，工作空间也更方便了。
ElevenLabs同时更新了音乐和语音生成模型，Music v2能从提示生成任何风格音乐，Seed Audio 1.0支持图片转语音，玩法更多了。
火山引擎新模型能一次编排对白、音效、配乐，还能保持10分钟的角色音色一致，省掉后期对轨修音，音频创作者值得一试。
做音频内容的朋友注意了，ListenHub 要接入字节的 Seed Audio 了，以后做播客、配音这些会方便很多。
豆包发了 Seed Audio 1.0，不光能念稿，还能生成音乐和音效，像声音版的 DALL·E，值得听听。
噪点AI和港科大、清华联手做了一个音频模型，4步生成只要0.24秒，比同类快很多，还开源了，想玩音频AI的可以试试。
Stable Audio 3 让音频生成门槛大幅降低——小型模型在普通笔记本上就能跑，做游戏音效、短视频配乐的创作者可以直接上手试试。
音乐创作者和 AI 音频开发者终于有了一个可商用、可定制的开源音频模型——Stable Audio 3.0 支持六分钟生成和 LoRa 微调，做音乐生成或声音设计的团队可以直接上手实验。
音乐创作者和音频开发者终于有了能生成完整歌曲的开源模型——Stability Audio 3.0 的中型版已开源，长度翻倍且结构可控，做音乐生成或音频工具的建议直接下载试试。
Suno 让 AI 音乐创作进入驾车场景，喜欢在车里听歌或想尝试 AI 音乐生成的车主可以直接在 CarPlay 上体验，不用再依赖手机操作。