跳到正文

#语音

今日 1 条
11月8日周日
11月7日周六
  1. IT之家16

    微软 Edge 浏览器 157 稳定版发布,明确“加速应用启动”仅限 Win11 三个版本

    微软发布 Edge 浏览器 157 稳定版,明确“加速应用启动”特性仅适用于 Windows 11 25H2、26H1 和 26H2 版本。该特性针对热启动场景,在多任务负载较重时启动速度最高提升 33%,平均提升约 15%。此外,该版本新增 Apple 账户登录支持,并升级 Copilot 新标签页与侧边栏功能。

  2. IT之家59

    AI 编程进入“通话时代”:Cursor 智能体可实时语音协作

    Cursor 于 11 月 6 日宣布推出智能体实时语音聊天功能,开发者可通过语音与编码智能体双向对话并让其后台编码。功能支持 Agents Window、IDE、网页端及 iOS 应用,由 Grok Voice 驱动语音识别合成,编码智能体沿用用户所选模型。相较此前仅语音转文字的听写,新功能为语音对语音双向交流,可在通话中只读查询代码差异与运行状态。

11月6日周五
  1. IT之家65

    网信部门整治AI假冒公众人物:清理信息4.7万余条,处置账号3961个

    网信办近期整治AI假冒公众人物,累计清理违法违规信息4.7万余条、处置账号3961个。通报四类典型案例聚焦虚假带货、合成声音谣言及AI生成低俗画面等行为,对应清朗专项行动重点。此次整治嵌入2026年网信部门AI乱象持续性治理框架,此前9月行动已清理561万余条信息、查处4.9万余账号。

  2. IT之家60

    Meta 给 AI 装上“脸”和“嗓子”:Muse 现在能视频聊天了

    Meta 个人 AI 助手 Muse 于 11 月 6 日正式上线实时语音对话与富有表现力的虚拟形象功能,率先面向美国用户推送。该功能由 Muse Realtime Voice 和 Muse Realtime Avatar 模型支持,可流式输出 448×768 分辨率、25 帧每秒视频,延迟约 870 毫秒。用户可像打电话一样交谈并随时打断,Meta 定位其为更自然的个人智能体交互。

11月5日周四
  1. TechCrunch · AI40

    Aina 发布带屏幕、摇杆和麦克风的 AI 智能戒指

    硬件初创公司 Aina 发布了一款售价 399 美元的 AI 智能戒指,配备屏幕、摇杆和麦克风,用于与 AI 智能体交互及记录笔记。该设备还支持通话、手势控制及智能家居操作,旨在作为 AI 与非 AI 应用的控制器。Aina 此前曾推出三键控制器 Mirage,此次新品计划于 2027 年 1 月开始发货。

  2. Hugging Face Blog62

    Phonon TTS 深度解析:设备端高质量语音模型登顶基准

    Gradium 解析其两周前开放的设备端 TTS 模型 Phonon,给出它在 Hugging Face Open TTS Leaderboard 的评测与离线演示。Phonon 31m 约 65MB 且 Apache 2.0 开源,在德语西班牙语 intelligibility 排名第一,CPU 流式延迟领先。这是 Phonon 首个开源发布,两周下载超 200,000 次。

    推荐理由:文章详细列出 Phonon 在 Hugging Face Open TTS Leaderboard 的多语种 intelligibility 排名与 CPU 流式延迟优势,便于评估小体积语音模型端侧落地可行性。

11月4日周三
  1. Hacker News · AI 热帖69

    citelao 如何运用 AI(2026年10月)

    citelao 在2026年10月复盘个人AI使用方式,指出智能体编码已取代手写代码但需人类审查架构。他每月花费约$3,000 tokens管理5-6个Claude Code等智能体,并给出编码、搜索、艺术等场景评分。此为作者继去年后第二次年度AI使用盘点。

  2. 量子位49

    百川联创推出纯语音Personal Agent Orilo

    百川智能联合创始人焦可推出纯语音Personal Agent Orilo,主打早晨场景的语音优先交互。在Full-Duplex-Bench测评中,其被打断后重新开口耗时1.08秒,快于GPT Realtime的1.50秒。该团队此前曾推出“来福电台”验证PMF,Orilo项目于年初启动,目前仅支持英文。

  3. 量子位59

    openJiuwen AgentMemory 0.2.0上线OmniMem-Lens,赋予Agent长视频视听双流事件记忆

    openJiuwen AgentMemory 0.2.0上线OmniMem-Lens多模态记忆能力,通过视觉听觉双流按真实事件切分长视频,召回精度最高提升45.7%且在线时延最高降97%。它建立三层记忆结构并离线建索引在线查,L1与L2记忆单元文本化向量化可无缝接入主流RAG/Agent技术栈,项目地址https://gitcode.com/openJiuwen/agent-memory/。

  4. The Verge · AI60

    Apple 开始向第三方应用开放 Siri AI 访问权限

    Apple 在周二推送的 iOS 27.3 更新中向第三方应用开放 Siri AI,允许跨应用执行操作并新增 app skills 组合任务功能。用户在前台或 Live Activity 中无需提及应用名即可语音操控,Apple 自家多款应用也获扩展能力。此前 Apple 仅向第三方开放了较小功能集。

  5. AWS Machine Learning Blog35

    Cartesia 利用 State Space Models 在 AWS 上构建超低延迟语音 AI 应用

    Cartesia 利用 State Space Models 架构在 AWS 基础设施上实现全球范围内 sub-100ms 的文本转语音与语音转文本。其旗舰模型 Sonic 提供约 90ms 首字节延迟及 44 种语言支持,Ink 则具备原生轮次检测与流式转录能力。该方案旨在解决传统 Transformer 模型在流式处理中的延迟瓶颈,为实时语音交互提供低延迟基础设施。

11月3日周二
11月2日周一
11月1日周日
  1. Testing Catalog30

    Google 为 Antigravity 准备支持语音模式的新 AI 智能体 Chief of Staff

    Google 正为 Antigravity 准备名为 Chief of Staff 的新 AI 智能体,预计下周发布。该智能体新增类似 Gemini Live 的实时语音对话功能,支持选择不同声音、调整语速及查看音频可视化。Chief of Staff 旨在通过更直观的界面协调其他智能体并管理任务,将 Antigravity 打造为自主智能体的中央工作区。

  2. IT之家34

    阿里千问 AI 眼镜 OTA 升级:新增通话翻译、媒体翻译等

    阿里千问 AI 眼镜今日迎来 OTA 升级,新增通话翻译与媒体翻译功能,并优化了嘈杂环境下的语音识别抗噪能力。此次更新支持打电话、线上会议及观看外语内容时的实时翻译,译文可在千问 AI 穿戴 App 同步显示。此前该系列已推出 G1、S1 及 N1 系列机型,其中 N1 系列支持更换电池及眼动交互。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有