上映于2013年的《Her》，是焦可最喜欢的一部电影。影片中的AI Samantha没有脸、没有形象，人们能感知的，只有她温柔沉静的声音。当Samantha说出，“最近你经历的事情太多了，你失去了一部分的自己”，男主角潸然泪下。
英国AI音频独角兽ElevenLabs宣布完成5亿美元（约合人民币34.7亿元）的D轮融资，估值达110亿美元（约合人民币763.5亿元）。其估值较去年年初的33亿美元，实现了超230%的飞速增长。ElevenLabs联合创始人兼CEO Mati Staniszewski还透露，该公司已在考虑IPO事宜。
据我们独家获悉，ListenHub产品的母公司MarsWave完成了200万美元天使＋轮融资。本轮由天际资本领投，小米联合创始人王川跟投。同时，MarsWave也对外公布了盈利状况：目前公司年经常性收入（ARR）已突破300万美元，并达到月度盈亏平衡，成为少数已跑通盈利模型的AI原生公司。
在这一背景下，清华大学与生数科技（Shengshu AI）团队围绕桥类生成模型与音频超分任务展开系统研究，先后在语音领域顶级会议ICASSP 2025和机器学习顶级会议NeurIPS 2025发表了两项连续成果：
图片来源：David AI Labs David AI Labs 这家初创公司通过出售音频数据集来帮助训练人工智能模型，近期在新一轮融资中从投资者处筹集了 5000 万美元——这表明为 AI 开发提供
全新一代 video-SALMONN 2/2+、首个开源推理增强型音视频理解大模型 video-SALMONN-o1（ICML 2025）、首个高帧率视频理解大模型 F-16（ICML 2025），以及无文本泄漏基准测试 AVUT（EMNLP 2025） 正式发布。新阵容在视频理解能力与评测体系全线突破，全面巩固 SALMONN 家族在开源音视频理解大模型赛道的领先地位。
自带声音的视频生成模型，开源版开卷！ 最新赶到的是腾讯混元：刚刚正式开源端到端的视频音效生成模型HunyuanVideo-Foley。
打工人超超超实用利器来了！还在自己苦巴巴地做汇报，干巴巴地念PPT么？ 谷歌NotebookLM最新功能，只需要输入数据、图表、旁白，就可以自动生成带AI音频的PPT，甚至不需要自己去讲。
据知情人士透露，Meta Platforms 已收购专注于人工智能情感识别与音频模拟的小型初创公司 WaveForms AI。
华强北推出低价AI眼镜，价格78-450元，截胡小米、Rokid等巨头产品。产品分为AI拍摄眼镜和AI音频眼镜，功能基础但销量火爆，月均数千台。厂商快速组装出货，靠价格优势和即买即得吸引消费者尝鲜，性能虽逊但性价比高。行业前景存疑，技术成熟需5年，海外市场更受欢迎。
