主动降噪耳机通过麦克风采集环境噪声，由数字控制器实时生成相位相反、振幅匹配的反噪声，与原始声波相消干涉，在耳道附近形成局部安静区。系统分为前馈、反馈和混合三种架构，依赖低延迟处理和FxLMS等自适应算法。降噪对低频稳定声更有效，高频突发声仍需物理隔音配合。ANC无法消除所有声音，但能降低背景噪声，帮助用户以更低音量听音乐。

微软在Windows 11测试版中为安卓设备新增快速设置入口，配对后可通过Win+A面板切换勿扰模式、调节手机音量，并让手机播放声音以便寻找。该功能将Phone Link部分能力前置到系统级入口，目前仍在测试，部分功能仅支持特定安卓设备。

VoxCPM2是首个完全放弃离散token的开源TTS方案，直接在连续潜空间用扩散自回归建模，避免离散化导致的情感与韵律细节损失。它支持通过自然语言描述生成音色、克隆音色并独立控制风格，覆盖30种语言及9种中文方言，输出48kHz音频，采用Apache-2.0许可可商用，支持LoRA微调，单张RTX 4090即可完成。

字节的 Seed-Audio 音频生成模型能力强、可控性高，但官方资料少且冷门。作者为此开发开源 Skill，采用 7 步工作流，将故事目标分解并生成多段音频，面向短剧、漫剧等故事性创作。使用需配置 SEED_AUDIO_API_KEY 并安装 ffmpeg。核心难点是构造统一的复合音频 prompt，作者还从豆包官方 Skill 中提取提示词技巧并整理成文档。

GPT-6 Astra虽不支持音频输入，却能通过梅尔频谱图图片零样本识别声音，如狗叫和光剑音效。这显示视觉模型能跨感官解读声学模式，突破官方能力边界，引发对AI感官界限和潜在能力的思考。

网易有道发布全球首款专为iPhone设计的AI耳机OpenPods，基于苹果MFi认证与AI Agent能力，整合录音、转写、翻译、总结等功能，覆盖会议、跨语言沟通等场景。耳机支持20余种语言，可生成纪要和知识库，单耳仅7克，续航32小时，8月27日预售，9月10日发售。

B站发布IndexTTS 2.5语音合成模型，支持中英日西阿五语种零样本配音，推理速度提升2.28倍，并增强跨语言情绪还原与语速控制。团队通过降低语义帧率、换用Zipformer架构及GRPO强化学习优化性能，在情感迁移和说话人相似度上表现优异，旨在让创作者用任意声音、语言和情绪进行配音。

Game Freak新作《Beast of Reincarnation》战斗流畅但缺乏新意。游戏设定在末日日本，主角艾玛可吸收怪物能力，但故事晦涩、谜团解答平淡，玩法简单，关卡设计直白。大量借鉴《尼尔》《怪物猎人》等作品，虽有忧郁氛围，但未能突破，令人失望。

大脑切换听觉注意力时，先快速抓取新声音，再缓慢放开旧声音，形成短暂的双重处理窗口。研究通过脑电图发现，大脑采用“先开后关”策略，并重置语义上下文，而非延续旧信息。这一发现颠覆传统认知，为助听器和脑机接口设计提供新思路，也揭示大脑与AI语言模型处理方式的差异。

本文提出了一种基于ZEGO的手动混流方案，适用于大班和小班课，强调声音主权和焦点切换的管理。方案包括课堂混流管理、学生静音策略及录制回放等细节，旨在提升在线教学体验。

本文讨论了直播中主播声音干扰的问题，提出使用ZEGO的自动混流方案来解决。该方案通过标记主播流为焦点，自动管理音频流，确保主播声音突出，降低维护成本。文章还介绍了自动混流的实现步骤和适用场景，强调了其在直播中的优势。

本文介绍了ZEGO实时音视频SDK的混流焦点语音方案，旨在解决多人会议中重要发言人声音被淹没的问题。通过服务端混流，突出特定发言人的声音，适用于视频会议和在线课堂等场景。方案包括核心原理、关键API参数及实现步骤，强调统一控制和动态切换焦点的优势。

该研究聚焦于文本到声音视频生成（T2SV），旨在从文本生成同步音频的视频。为解决文本条件瓶颈和跨模态特征交互机制不明确的问题，提出了交叉参考重写器（CRR）框架，通过提取语义锚点和生成解耦的字幕对，消除模态干扰，缩小训练与推理之间的差距。

Netflix将于9月23日首播以《威利·旺卡》为主题的真人秀《金票》，节目将使用AI生成的基因·怀尔德声音，并获得其家族同意。12名获胜者及其搭档将参与竞争，最终于9月30日决出冠军。