FFmpeg 项目通过手写汇编语言提升性能，并新增对90年代末 AHX 音频文件的支持，同时为 Nintendo 64 添加了 ADPCM 解码器，支持多种其他格式。

谷歌在周一对Gemini产品进行了三项重要更新：Gemini应用现支持音频文件，免费用户音频限制为10分钟，付费用户可上传最长三小时；搜索功能新增印地语、印尼语、日语、韩语和巴西葡萄牙语；NotebookLM更新报告样式，支持80多种语言，用户可自定义报告格式和风格。

本文介绍了如何使用FFmpeg批处理文件进行音视频处理，重点讲解了其优点和基本命令。通过示例，展示了创建音频文件、格式转换和生成特定音调的方法，适合音视频技术初学者。

慢扫描电视（SSTV）是一种将图像转换为音频音调的技术，自1950年代以来被广泛应用于业余无线电、NASA和国际空间站。它通过逐行扫描图像，将每个像素的亮度或颜色转化为特定频率，生成音频文件，适合无网络环境的爱好者和复古技术爱好者。

Hacker News 中文播客最近改为双人对话形式，需要拼接音频文件。由于 Cloudflare Worker Runtime 的限制，使用浏览器和 FFMpeg 的 WASM 版本合并音频，代码通过 Worker 调用浏览器合成音频并返回 Blob。

我推出了一款本地转录应用，利用Faster-Whisper和Flask将音频文件快速准确地转录为文本，支持录制和上传音频，并提供时间戳分段的文本，旨在提高效率并确保数据隐私。

在TDoC 2024的第六部分中，我们学习了如何使用Flask框架创建网页界面，支持用户输入文本、上传音频文件和下载处理结果。Flask是轻量级的Python网页框架，适合小型项目。文章涵盖了Flask的基本概念、代码分析及构建第一个Flask应用的步骤，包括用户输入处理和文件下载功能。

在AI生成内容日益普及的背景下，Google DeepMind推出了SynthID-Text技术，通过优化Token概率分数嵌入水印，提升文本生成的检测效率和准确性。这项技术为AI内容监管提供了创新解决方案，确保文本质量不受影响。

本文探讨了两种下载Base64格式音频文件的方法：直接使用Base64字符串和Blob方法。前者适合小文件，简单直接；后者适合大文件，灵活性更高。选择方法时需考虑文件大小和具体需求。

M4A是由苹果开发的音频文件格式，可存储各种类型的音频内容，包括歌曲、有声读物和播客。M4A文件使用MPEG-4容器格式，并使用Apple Lossless Audio Codec（ALAC）或Advanced Audio Coding（AAC）编码。M4A文件常用于从iTunes Store下载音频文件。它们比MP3文件具有更好的音质，但支持程度不如广泛。WAV文件则是无损的、高质量的音频文件。在选择M4A和WAV之间时，考虑文件大小和与设备和软件的兼容性等因素。

TextToSpeech是一款Windows工具，可以朗读任意选中的文本并保存为音频文件。使用快捷键Alt + S开始朗读，再按一次暂停/恢复朗读，连按两次停止朗读，连按三次保存文本为音频文件。

PowerToys v0.80.0版本专注于稳定性、改进和新功能。当前预览支持WebP/WebM格式和音频预览。v0.80.0版本的新功能是包含了Microsoft.PowerToys.Configure DSC资源，允许使用Winget配置PowerToys。Peek现在支持预览WebP/WebM图像和音频。建议启用Peek功能。PowerToys包括各种功能，如Always on Top、Wake on Shake、Color Picker等。

作者尝试了Google Cloud的Text-to-Speech AI服务，发现可以保存试用语音。然而，由于Azure的语音服务更丰富，作者可能会选择Azure来解决配音问题。