ElevenLabs 推出实验性应用 ElevenAI，整合团队会议记录与语音听写功能
ElevenLabs 发布面向企业团队的实验性应用 ElevenAI，将跨会议记录、90 多种语言的语音听写与 ElevenAgent 智能体行动整合于一体。该应用目前处于预览阶段并需申请早期访问权限，支持在会议期间实时检索历史细节以及根据会议记录自动起草邮件等后续任务。ElevenLabs 借此将自身语音模型与智能体平台嵌入协同工作流，并在近期同步推出了 Scribe v3 语音转文本模型。
全部 AI 与跨境出海动态
TechCrunch AIAI 评分6868 Wired AIAI 评分5858 初创公司 Mansa 押注 AI 微短剧开拓好莱坞黑人题材市场并引发替代争议
初创媒体公司 Mansa 推出完全由 AI 生成的 30 集微短剧《They Left Us to Die》，试图以低成本内容验证受众对黑人题材的需求，却引发了演艺界对其抢夺真人工作机会的批评。联合创始人 Nate Parker 表示微短剧可在数周内完成制作并追踪受众数据，以此向保守的制片厂证明市场价值；但在好莱坞并购减产的背景下，这一举措直接触碰了少数族裔从业者对就业生存的焦虑。
TechCrunch AIAI 评分4444 Phota Labs 利用 AI 将日常照片转化为专业摄影效果
a16z 支持的初创团队 Phota Labs 推出同名 iOS 应用，定位为个人 AI 照片助手，能自动将日常抓拍转化为专业级质感并保留人物真实外貌。该工具由前 Adobe 工程师开发，利用自研技术在修复构图与角度的同时维持人物身份一致性，处理后的图片包含不可见 AI 水印。该应用目前免费提供，公司此前已完成 $5.6 million 种子轮融资。
Hugging Face Blog精选AI 评分7272 Hugging Face 发布 3D 生成模型 TRELLIS.2 的 LoRA 微调完整指南
Hugging Face 发布了开源 3D 生成模型 TRELLIS.2 的 LoRA 微调完整指南，并开源了配套的预处理及训练脚本与 Docker 镜像，支持在本地或 Hugging Face Jobs 运行。
推荐理由：教程通过拆解三维生成管道展示了仅针对几何 DiT 注入 LoRA 的微调路径，为特定品类网格精度优化提供了标准流程与现成容器。
Search Engine RoundtableAI 评分6363 Google 论文分析 210 万条会话，揭示 AI 图像生成五大使用模式
Google 发布研究论文，通过 Urania 框架在保护用户隐私的前提下分析了 210 万条 Nano Banana 会话，总结出 AI 图像生成的五大核心应用类别。研究发现图像生成已深入品牌营销、电商产品可视化、建筑设计及教育等商业领域，其中搞笑梗图在社交类别中占比最低，而营销场景对精确文字排版和画面构图控制的要求最高，且主要由小微企业和个人副业者主导。
Buffer Social ResourcesAI 评分5555 Buffer 评测 2026 年 8 款社媒 AI 图像生成工具及提示词技巧
Buffer 实测了 Nano Banana 2、Seedream、Recraft V4 Pro、Midjourney 等模型在插画贴纸、产品摆拍图和刺绣文字图三类社媒场景下的表现。
The Verge AIAI 评分5757 猫王与 Eminem 版权方起诉 AI 音乐公司 Suno
猫王（Elvis Presley）与 Eminem 的版权持有方起诉 AI 音乐公司 Suno，指控其非法生成模仿相关艺术家的音乐与歌词。原告指控 Suno 违反了田纳西州禁止 AI 克隆歌手声音的《ELVIS 法案》；Suno 发言人对此回应称，平台禁止使用特定艺术家姓名作为提示词，并已联合第三方筛查上传音频与歌词以防滥用。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini Omni 1.2 Flash：支持15秒视频生成与多轮对话编辑
Google DeepMind 正式推出 Gemini Omni 1.2 Flash，并在 Gemini API 与 Gemini for business 上线可用。
推荐理由：新版本支持15秒原生视频与多轮对话编辑，并将720p生成成本降至每秒0.07美元，降低了规模化商业视频与广告变体的制作门槛。
Hugging Face Blog精选AI 评分7171 详解端侧文本转语音模型 Phonon TTS 及其基准测试表现
端侧文本转语音模型 Phonon TTS 实现了完全离线运行，模型体积仅约 65 MB 至 75 MB。英文版本 Phonon 31m 采用 Apache 2.0 开源协议支持商用，多语言版 Phonon 40m 支持 5 种语言。
推荐理由：原文展示了基于流匹配的极小端侧语音合成方案，读者可借此了解其在公开基准上的首包延迟表现与工程落地方法。
Hugging Face BlogAI 评分4747 Granite Switch 4.1.1 发布：像更新软件一样更新模型
Granite Switch 4.1.1 补丁版本发布，完全向后兼容 4.1，无需迁移即可通过模块化适配器实现模型增量更新。新版本升级了支持 10 种语言且自带原生标点与大小写的 Granite Speech ASR 模型，并优化了 Decision 适配器在 Jev Decision Index 测试集上的表现。团队正筹备教程和 Adapter SDK，方便开发者构建自定义适配器。
Hugging Face Blog精选AI 评分6666 Hugging Face 推出 AnySpeechRecognizer 与 AnyDecisionModel，支持在苹果平台端侧运行开源语音和决策模型
Hugging Face 推出 AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 开源包，支持在苹果设备端侧运行开源语音识别与决策模型。
推荐理由：原文提供了两套 Swift 库及端侧实现方案，开发者无需依赖纯文本生成即可在苹果设备上实现本地语音识别与结构化决策。
Hugging Face Blog精选AI 评分6969 IBM 发布 Granite Speech 5.0 系列语音模型
IBM 推出 Granite Speech 语音模型系列的三个更新，包括全新的 granite-speech-5.0-2b，以及升级版 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
推荐理由：原文给出了高精度、低延迟端侧和会议说话人归属三种模型选型，便于开发者评估替换成本。