Google DeepMind 发布 Genie 4 新一代世界模拟模型
Google DeepMind 发布 Genie 4 世界模型,可原生生成多模态实时模拟,在物理、人类动作与音频写实度上实现显著提升。该模型借助 Gemini 家族提供推理以维持模拟连贯,目前已向受信测试者开放研究预览,后续将登陆 Google AI Ultra 等平台。
推荐理由:Genie 4将实时世界模拟的写实度、物理与人类动作连贯性推进到新水平,当前仅以研究预览向受信测试者开放。
Google DeepMind 发布 Genie 4 世界模型,可原生生成多模态实时模拟,在物理、人类动作与音频写实度上实现显著提升。该模型借助 Gemini 家族提供推理以维持模拟连贯,目前已向受信测试者开放研究预览,后续将登陆 Google AI Ultra 等平台。
推荐理由:Genie 4将实时世界模拟的写实度、物理与人类动作连贯性推进到新水平,当前仅以研究预览向受信测试者开放。
微信输入法 4.0.0 版本新增 AI 录音笔功能,可将语音实时转写为网页并自动提炼重点、生成图表与交互页面。用户可通过手机键盘工具栏或 App 内以及电脑快捷键 V 等入口唤起,功能还会删减冗余让零散口述内容更条理。
REDMI 首款耳夹耳机 Clip Neo 官宣与 CryingCenter 哭喊中心推出限定礼盒套装,预约同步启动。该耳机采用 12mm 双磁设计,支持动态 AI 通话降噪,单耳重 5.3g,将于今晚上市。
Ollama于10月24日宣布其Mac应用正式支持离线文本转语音生成,Windows和Linux版本将随后跟进。首个支持模型为Phonon系列,可在Apple Silicon Mac本地运行,官方测试显示语音生成速度比Gradium自身实现快35%且支持实时输出。Ollama是GitHub上广受欢迎的开源项目,拥有近18.5万颗Star和约1.86万个Fork。
苹果通过 27.2 版本更新宣布 Siri AI 新增支持法语、日语、韩语、葡萄牙语和西班牙语。该功能基于 Apple 智能,具备屏幕感知能力,可理解屏幕内容并执行系统级操作。繁体中文、挪威语、土耳其语和越南语计划于年底前加入支持列表。
苹果推送 iOS 27.2 正式版,增强 Siri AI 记忆能力并新增法语等五种语言支持,但欧盟和中国大陆暂未上线。该版本为 iPhone Duo 增加 USB-C Apple Pencil 支持,修复超 160 个安全漏洞,并调整 Apple Music 视觉风格。此前在 iOS 27 测试版中出现的信息 App 上下文建议功能也随此次更新正式回归。
Apple 发布 iOS 和 macOS 27.2,更新包含新的 Siri AI 功能及 Music 应用新标志。此次更新允许用户限制 Siri 可直接访问的应用程序范围。
苹果向 iPhone 和 iPad 用户推送 iOS / iPadOS 27.2 正式版,Siri AI 新增记忆对话、参考个人上下文及法语等五种语言支持。Apple Music 应用图标改为黑白配色,播客首页拆分为“最新单集”和“继续播放”区域。此次更新距离上次正式版发布间隔 28 天。
苹果向 Mac 用户推送 macOS 27.2 正式版,Siri AI 新增法语、日语等五种语言支持并引入上下文记忆功能。系统还优化了亮度与音量滑块步进,并在 Safari 等应用中加入触控手势识别底层代码。此次更新距离上次正式版发布间隔 28 天。
苹果向 Vision Pro 用户推送 visionOS 27.2 正式版,Siri AI 新增法语、日语等五种语言支持并引入 SynthID 水印识别。该版本还增加了应用数据排除设置以增强隐私控制,FaceTime 支持添加第三方手语翻译员。这是距离上次正式版发布 28 天后的更新,主要包含错误修复和安全更新。
苹果向 Apple Watch 用户推送 watchOS 27.2 正式版,主要增强 Siri AI 功能并让 App 切换器以新手势方式回归。Siri AI 新增法语、日语等五种语言支持,可保留对话上下文并参考个人情境,但国内暂未上线。此次更新距离上次正式版发布间隔 27 天,同时包含 Apple Music 图标更新及安全修复。
腾讯混元今日发布并开源同声传译大模型 Hy-SimulMT,支持中英语音到语音实时翻译与音色克隆,响应时间实测约3秒低于人类译员4-5秒。该模型在 RealSI 评测集上延迟最低且效果达开源最佳,并在十领域音频测试中以更高得分超越人类同传专家质量。
iRTE2026 实时智能大会落幕,聚焦 OpenAI GPT-Realtime 与 Google Gemini Live 推动的实时语音交互演进。声网 CEO 赵斌提出“五级对话能力”框架,展示 Agora Conversational Model 及分布式实时推理云,旨在构建生成式 AI 时代的实时基础设施。
小米技术委创新产品团队在 2026 观猹大会期间开源了 AI 硬件 HachimoDock,其硬件自制成本约 150 元。该设备支持语音操控电脑端 Agent 及联动小米 Miloco 智能家居,用户可通过自然语言现场生成并运行自定义组件。目前 HachimoDock 已在 GitHub 公开软件源码、硬件物料清单及装配教程,旨在降低 AI 硬件体验门槛。
福特汽车宣布新福特锐界 L 将于 10 月 29 日 18:00 在成都发布。该车提供燃油和混动两种动力,均搭载 2.0T 发动机,混动版综合功率可达 202 千瓦。作为改款车型,新车升级了智能座舱,搭载 8155 车机芯片并接入双 AI 语音大模型,采用 2+2+3 七座布局。
小米汽车 App“车辆助手”第二批公测体验官招募开启,用户可通过对话交互查询车辆状态、即时或定时控车,并创建小米超级任务。该功能支持总结驾驶风格与记忆用车习惯,目前面向全量车主招募,无需更新车机,仅需升级 App 至公测版本即可体验。
市场涌现多款 AI 可穿戴设备,涵盖 Bee、Friend、Limitless 及 Meta Muse 等,功能从会议记录到情感陪伴各异。Bee 售价 $49.99 并获 Amazon 收购,Friend 2.0 新增语音功能,Meta Muse 预计配备 Jolly 数字头像。这些设备旨在将 AI 融入日常,部分产品如 Nirva 计划 11 月开放订购。
iKF 在京东上架 Ultra Clip 开放式蓝牙耳机,定价 499 元。该耳机配备 12mm 圈铁式复合振膜,支持定向传音技术,提供至高 45 小时综合续航。
吉利汽车全新帝豪向上系列今日上市,限时感恩价 5.99 万元起,主要升级外观细节与内饰配置。新车换装 12.8 英寸高清悬浮中控屏,搭载 FlymeAuto2 智能座舱系统,支持高德 850 地图导航及双音区智能语音交互。动力搭载 1.5L 直列四缸发动机,峰值功率 88kW,峰值扭矩 150N·m。
特斯拉副总裁埃卢斯瓦米在财报电话会上确认,公司正自研一套基于 AI 的地图导航系统,该方案将随 FSD v15 上线。新架构利用车队自动采集街道、限速及路况数据,旨在解决 FSD 在限速识别、泊车及路线规划上的痛点,并支持语音自定义路线。此前特斯拉导航依赖谷歌 API 提供底图数据,此次自研旨在摆脱对外部厂商的依赖。
Block 推出全双工 AI 语音模型 Dessa,支持在 M4 Max 及更高配置 MacBook 本地运行并原生模拟情绪表达。该模型可一边说话一边收听用户语音,自身知识来源于训练对话数据,暂不开放试用但邀请安全研究者测试欺骗风险。Block 旗下 Square 已用语音 AI 处理下单业务,自研端侧模型后有望以更低成本落地更多语音产品。
Block发布新语音模型Dessa,完全基于人类语音训练,可本地全双工运行且情感表达自然。相比依赖文本管线生成语音的模型,Dessa将情感内建其中。目前模型无公开访问,Block征集安全研究员测试,类似OpenAI今年早些时候发布的GPT-Live全双工模型。
JBL 为旗下 CLIPS 琉璃扣耳夹耳机新增“碧玺红色特别版”,首发价 1346 元,部分地区国补后低至 949 元。该耳机采用半透明设计,搭载 11mm 动圈单元与 SonicArc 定向投送技术,支持 IP54 防尘防水及 AI 通话降噪。配合充电盒使用时总续航达 24 小时,单体重量仅 6.5g。
Block 推出 AI 语音模型 Dessa,该模型完全基于人类语音数据从头训练,不依赖文本数据。Dessa 直接处理音频以实时捕捉情绪、讽刺和停顿,支持全双工通信,并可在 MacBook Pro M4 Max 本地运行。目前该模型尚未公开,团队正招募 AI 安全研究人员测试潜在风险。
小米 REDMI 首款耳夹耳机 Clip Neo 将于 10 月 27 日上市,采用 12mm 高性能双磁设计,单耳重量仅 5.3g。该耳机支持澎湃智联及端侧语音助手,具备动态 AI 通话降噪功能。此前小米首款耳夹式耳机于 5 月发布,首销价格为 799 元。
平安口袋银行 App 宣布将全面适配苹果 iPhone Duo 手机,深度适配内外屏并支持“待机显示”模式。该 App 可在不同形态下灵活切换界面元素,拥有独立小组件,并支持通过 AI 语音助理对话。此前平安银行发布 2026 年第三季度业绩报告,显示前三季度归母净利润为 391.86 亿元。
三星首款耳夹式耳机 Galaxy Buds On 动图曝光,计划于 10 月 27 日在韩国上市,售价 29.9 万韩元。该耳机配备 TwinBoost 双低音单元及声音泄漏抑制技术,支持头部手势操作与 Gemini Live 语音指令。此前三星已确认该产品,欧洲地区预计 12 月上旬上市。
Jack Dorsey 旗下的 Block 发布了名为 Dessa 的 AI 模型,该模型完全基于人类对话从零训练,是真正的语音到语音模型。Dessa 可在 MacBook Pro M4 Max 或更高配置设备上本地运行,团队表示将向一小群 AI 安全研究人员提供早期访问权限。
声网CEO赵斌在iRTE2026大会上提出“五级对话能力”框架,将对话能力划分为从基础应答到深度关系沟通的五个层次。该框架指出实时互动技术需为AI的感知、理解与行动提供实时支撑,以应对从单轮问答向持续交互转变的需求。此前OpenAI等公司对WebRTC技术的深入采用,已推动实时互动技术在对话式AI领域获得更广泛的应用。
科大讯飞在2026全球1024开发者节首发星辰TaaS平台,构建从模型能力到行业解决方案的全链路体系。该平台底层依托星辰MaaS,中间层通过模型调度与智能体引擎提升Token使用效率,应用层覆盖同传、数字员工等场景。此举旨在让Token消耗直接转化为业务价值,推动AI从技术能力走向业务落地。
索尼 PULSE Elevate 无线音箱国行版开启预售,定价 1748 元,将于 11 月 12 日正式上市。该音箱支持 Tempest 3D 音效与 PlayStation Link 低延迟无线技术,兼容 PS5、PC 及 Mac 设备。此前该音箱美国售价为 219.99 美元,日本售价为 37,980 日元。
亚马逊将电子书订阅服务 Kindle Unlimited 更名为 Kindle Plus,并在美区新增数千本有声书,月费维持 11.99 美元不变。新增内容包含通过 Virtual Voice 技术生成的 AI 配音作品,引发部分读者对合成语音体验的争议。
Anima 利用 GPT-6 和 GPT-Live 帮助诊所将电话等待时间减少 75%。该方案扩展了护理团队使用 OpenAI 模型的能力,使其拥有更多响应患者的容量。
OpenAI 已向所有客户开放 Decisions API,这款基于 ChatGPT Luna 重配置的决策接口将响应缩至百毫秒级并加入语音与视觉模态。在 Box、Datadog、Speak 等初期试用中,该 API 替代 LLM 实现更高吞吐,Speak 将动作间隔从 1.4 秒降到 0.13 秒。
Amazon Polly 生成引擎升级现已正式可用,新增 14 种语音覆盖 9 个地区,并首次提供印地语和芬兰语生成语音。此次升级保持 API 调用和语音名称不变,现有应用无需修改代码即可直接享受更自然、低延迟的语音输出。
该方案在 Amazon SageMaker AI 上部署 Kokoro-82M 模型,通过流式传输实现 AI 智能体语音生成的低延迟响应。模型仅含 8200 万参数,运行于 ml.g5.xlarge GPU 实例,支持双向流式传输以在生成过程中即时合成音频。
在 Amazon SageMaker AI 部署 Kokoro-82M 模型时,通过实测单实例最大并发数 Q_max 和扩缩容耗时 T_total,推导自动扩缩容阈值。该方法替代了传统猜测式配置,利用原生指标 ConcurrentRequestsPerModel 避免 TTS 场景下因目标值偏差导致的资源闲置或延迟超标。
极米记得 AI 记忆手环 L1 于 10 月 22 日上架,提供黑色与米色配色,售价暂未公布。该设备支持手环与吊坠两种形态自由切换,具备全天候 AI 录音、自动整理纪要及待办提醒功能,原始音频用完即删,综合续航 2-5 天。同日,功能相近的极米记得 AI 记忆眼镜 G1 也同步上架。
极米记得 AI 记忆眼镜 G1 于 10 月 22 日在京东等平台上架,价格暂未公布。该产品是全球首款钛金属 3D 打印 AI 记忆眼镜,重 17.9g,支持全天候 AI 录音、自动整理纪要及待办提醒。其综合续航 2-5 天,按每天录音 8 小时计算约可使用 5 天,并支持原始音频用完即删。
Nirva 宣布获 $33M 融资并推出仅监听佩戴者自身语音的吊坠穿戴设备。设备重约八克续航三天,售 $249 于11月接单年底发货,app 从语调音量等推导情绪洞察且默认不存音频。此前 Amazon、Apple 等已推出 ambient 穿戴,Nirva 以隐私设计区分录音类竞品。