Conclave的自名专辑融合了拉丁节奏、合成低音和派对氛围，成为夏季热门音乐。曲目如“Habla”和“Perdón”展现了纽约街头文化，带来愉悦的舞动感。制作人Cesar Toribio巧妙融合多种音乐风格，创造出充满活力的音乐体验。该专辑可在主要流媒体平台上收听。

本文探讨了AI语音聊天机器人的人设与声线设计，强调了三种主要方法：prompt工程、模型微调和声音克隆。prompt工程适合探索阶段，成本低、迭代快；模型微调提高人设辨识度和一致性；声音克隆确保声线独特性。最佳实践是结合三者，根据项目阶段逐步引入，以提升用户体验和产品差异化。

Google DeepMind 发布了新款多模态模型 Gemma 4 12B，参数为120亿，但在多项测试中表现接近260亿参数的模型。其无编码器架构显著降低了推理延迟和内存占用，支持音频输入，并可在普通笔记本上运行，降低了部署成本，为开发者提供了接近顶级性能的选择。

研究人员展示了一种新型攻击，称为“音频劫持”，通过微小音频变化操纵语音助手，执行未经授权的操作，成功率高达96%。该攻击不需直接访问设备，可能在Zoom等会议中实施。微软对此研究表示欢迎，但强调需采取额外保护措施。

王朝晖首次用iPhone让失聪的母亲王书珍体验音乐，通过震动感受《远山》，王书珍兴奋地表示喜欢。导演沈煜傑记录了这一感人瞬间，展现了母子间深厚的情感。

MOSS-Audio是一个开源音频理解模型，集成了语音转录、情感分析和环境声音理解等功能。其模块化设计包括音频编码器和大型语言模型，采用DeepStack跨层特征注入和时间感知表示技术，显著提升了音频处理能力。MOSS-Audio-8B-Thinking在音频理解基准测试中表现优异，准确率达到71.08%。

美团LongCat团队发布了LongCat-AudioDiT模型，采用全新的端到端文本转语音技术，减少信息损失。该模型在Seed基准测试中表现优异，取得最佳的说话人相似度和可懂度，证明了在波形潜空间生成语音的有效性。LongCat-AudioDiT以简化架构和高保真合成为目标，已开源，期待推动语音生成技术的发展。

苹果发布了AirPods Max 2，售价3999元。新款搭载H2芯片，支持自适应音频和增强降噪，音质更佳。外观与前代相似，续航时间为20小时，兼容iOS和macOS设备。

音频生成技术正向端到端生成演进。美团LongCat团队推出LongCat-AudioDiT，直接在波形潜空间进行文本转语音，避免信息损失。该模型在Seed基准测试中表现优异，取得了SOTA的说话人相似度和可懂度，展现出强大的零样本语音克隆能力。

三星推出了名为Hearapy的免费应用，通过播放100Hz的正弦波音调来缓解晕动症。用户只需听60秒即可减轻恶心等症状，效果可持续两小时。该应用受到名古屋大学研究的启发，建议与Galaxy Buds 4 Pro耳机配合使用以获得最佳效果。

Suno发布了AI音乐模型v5.5的重大更新，新增“声音”、“我的品味”和“自定义模型”功能。用户可以用自己的声音训练模型，上传音乐或直接录音。自定义模型允许用户上传至少六首歌曲以个性化输出，而“我的品味”功能则根据用户的偏好自动生成风格。声音和自定义模型仅对Pro和Premier订阅用户开放。

马里亚诺·萨尔塞多在墨西哥和德克萨斯州长大，热爱音乐但机会有限。现在，他在麻省理工学院攻读音乐技术硕士，研究神经元细胞自动机，结合音乐与视觉，旨在通过技术提升音乐体验，关注音乐的多样性与公平性。他的研究展示了音乐与科技的结合，激励他追求更广泛的创意表达。

Balmuda推出了一款名为“The Clock”的简约闹钟，采用铝制外壳和灯光显示时间，具备放松、专注和闹钟功能，能播放自然声音帮助入睡。售价约375美元，但电池续航仅24小时。

暴雪和皮克斯的李哲羽创办的社交App“森森”通过声音匹配实现了260万月活跃用户，估值1.5亿美金。该产品强调真实互动，利用AI理解用户声音，避免传统社交的“展示自己”疲劳，提供更自然的社交体验。

在macOS上，Chrome浏览器141版本首次支持通过getDisplayMedia录制系统音频，此功能与macOS 14.2更新相关，允许第三方应用捕获系统音频。之前版本均不支持该选项。

Deepgram利用深度学习提升语音识别和合成能力，解决方言和噪音环境的挑战，并关注语音克隆的伦理问题。该公司致力于构建准确、可扩展且经济实惠的语音AI，推动语音技术的应用。