Amazon Polly 语音克隆功能正式可用,采用受限开放(gated)方式。用户只需提供说话人几分钟的授权录音,即可生成基于生成式引擎的专属克隆音色,首批支持英语、西班牙语、德语、法语、意大利语、葡萄牙语和印地语七种语言。克隆音色自动加密并受访问控制,仅创建者可调用,已在生成式引擎覆盖的全部 AWS 区域(含 GovCloud)开放。
声音克隆
Voice Cloning
基于少量说话人录音复刻其音色与发音特征的语音合成技术
收录情报动态
美国司法部起诉三名嫌疑人,指控其在 2024 至 2026 年间利用 AI 伪造企业高管与律所律师的声音和影像,诱导全球多家企业员工转账,涉案金额超 1.29 亿美元。赃款随后被兑换为加密货币以掩盖资金流向,三人分别于西班牙和英国落网,面临电信欺诈、洗钱共谋与加重身份盗用指控。
网信办针对利用 AI 假冒仿冒公众人物开展集中整治,累计清理违法违规信息 4.7 万余条、处置账号 3961 个,重点打击虚假带货、AI 合成名人音视频、编造谣言与低俗恶搞四类行为。此次行动嵌入 2026 年“清朗”系列专项治理框架,监管方表示将压实平台主体责任并持续加大整治力度。
Spotify 计划于 2027 年初推出基于生成式 AI 的音乐混音与翻唱服务,允许付费订阅用户对已授权歌曲进行二次创作。该模式区别于从零生成的 AI 音乐工具,旨在通过粉丝互动为原作艺术家创造额外版税收入,目前正与主要唱片公司推进版权谈判。
腾讯混元发布并开源同声传译大模型 Hy-SimulMT,支持中英语音实时互译与音色克隆。实测响应时间仅约 3 秒,优于人类专业译员平均水平,且在翻译质量上达到或超越资深同传专家水平。该模型已在腾讯 Hy 翻译 App 免费上线。
蚂蚁集团发布开源文本转语音模型 Ming-3.0-tts,在 Artificial Analysis 的受控语音和发音鲁棒性榜单中位列开源第一。该模型提供 0.5B 稠密版与 7.9B 混合专家版,支持无状态声音克隆,以 MIT 协议开源权重。
今日科技资讯聚焦于 AI 安全与消费电子新品。国家安全部披露不法分子利用数秒语音样本进行 AI 声纹克隆实施诈骗的风险,提醒公众接听陌生电话时保持沉默。同时,爆料显示苹果首款智能家庭中枢定名 HomeView,搭载 A18 芯片并以 AI Siri 为核心交互界面。此外,星闪通信国标获批及恶意软件“荐片播放器”大规模感染事件亦被通报。
索尼音乐已向各大数字平台发出通知,要求删除超过 26 万首冒充其旗下艺人(如阿黛尔)的 AI 生成曲目。这一请求量较今年 3 月近乎翻倍,凸显了 AI 音频克隆对版权保护带来的严峻挑战及行业应对措施的升级。
阿里通义千问团队发布 Qwen3.5-LiveTranslate-Flash,基于 Qwen3.5-Omni 构建的多模态同声传译模型。该模型将语言覆盖范围从 18 种扩展至 60 种(29 种支持语音输出),引入“可读单元”技术实现端到端字均延迟低至 2.8 秒,并新增实时音色克隆与热词增强功能,显著提升专业场景下的翻译准确性与沉浸感。
阿里通义千问团队正式开源 Qwen3-TTS 系列模型,涵盖 1.7B 和 0.6B 两种参数规模。该模型基于创新的 12Hz 多码本语音编码器和双轨建模架构,实现了极低延迟的流式生成(首包仅需一个字符)及高质量的音色克隆、设计与控制功能,支持包括中英日韩德法俄葡西意在内的 10 种主流语言。目前代码、权重及 Demo 已在 GitHub 和 Hugging Face 上线,并提供 API 体验入口。