ElevenLabs 分享播客转写流程：先审校，再导出字幕与复用内容
官方教程按准备音频、选择方法、上传配置、审校与导出五步组织播客转写，并介绍说话人区分和时间戳。原文提醒核对人名与关键引语；关键词提示等功能可能增加费用，字幕和社交内容复用也需要编辑判断。
推荐理由：补充有明确操作步骤的AI玩法，适合播客与视频创作者参考，未替用户上传音频或调用收费服务。
#语音
/
ElevenLabs 官方精选 ElevenLabs 官方精选 ElevenLabs 推出 Eleven Realtime Mini 与 Max，提供实时语音智能体接入
Eleven Realtime 提供偏日常对话的 Mini 和偏复杂任务的 Max，可通过 ElevenAgents 平台或 Realtime API 接入。API 使用 WebSocket；现有 WebRTC 集成需要迁移，平台的知识库、渠道等功能也不能直接等同于独立 API。
推荐理由：兼顾AI产品与开发玩法，保留官方迁移示例中容易忽略的接入差异。
Mistral 官方精选 Mistral 推出 Voxtral 3 与语音 Agent SDK，串联听、说与工具调用
Voxtral 3 将转写、语音生成与语音智能体 SDK 一起提供，基于 LiveKit 串联实时对话、推理和工具调用。官方介绍电话与网页接入方式，并提供 API 和自部署路径；不同组件的语言范围、价格及私有部署条件需分别核对。
推荐理由：补充语音AI产品与客服赛道的新选择，官方延迟和评测指标不等于所有部署下的表现。
AWS Machine Learning Blog精选 Deepgram 分享把语音转写模型迁移到 Trainium2 的工程实践
AWS 客户文章介绍 Nova-3 离线批量转写的移植、内核优化和 Rust 数据并行运行时。适合参考迁移过程与成本评估方式，吞吐和成本表现具有硬件与工作负载前提。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。
Hugging Face Blog精选 IBM Granite Switch 4.1 以模块化端点覆盖对话、决策和语音
IBM 团队介绍通过适配器组合对话、专门决策和语音识别能力，并提供库与使用资源。适合需要多类能力的企业应用参考模块化设计及部署条件。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。
Hugging Face Blog精选 Apertus 1.5 发布技术说明，补充多模态与可复现评估细节
Swiss AI 团队整理 8B 与 70B 模型的训练、图像音频理解、可选思考模式和评估资料。文中说明权重已在 7 月发布，本次收录的是 10 月更新的技术解读。
推荐理由：Codex 来源核对 · 原始技术资料，附实现与评估入口。
Hugging Face Blog精选 Muse Spark Open 开放权重，Hugging Face 整理推理与微调入口
官方生态文章介绍 Meta 多模态 MoE 模型的文本、图像、音频与视频能力，并列出 Transformers、MLX 等推理支持和微调示例。使用前需核对模型许可与硬件门槛。
推荐理由：Codex 来源核对 · 按原文范围整理，保留案例及数据的适用边界。
已经到底了