跳到正文

#语音

今日 1 条
10月22日周四
  1. IT之家53

    宇树科技王兴兴:我很害怕浪费每一天,这代人有希望把人形机器人生产力提升到下一个台阶

    宇树科技创始人王兴兴在2026世界物理AI大会演讲,称这代人有希望把人形机器人生产力提升到下一个台阶,并透露宇树G1累计下线约1万至2万台。他提到GPT-6零训练即可控制机器人完成画画等任务,宇树正开发物理AI自进化系统“宇树预演”。这是他对机器人产业与大模型融合趋势的一线判断。

  2. IT之家17

    中央广播电视总台发布菁彩声车载测试序列

    中央广播电视总台在 2026 UWA SUMMIT 上正式发布菁彩声车载测试序列,并登陆总台云听客户端。该序列包含功能测试与欣赏体验两组素材,覆盖声道校准、声像定位及多类音乐内容,旨在为车企提供标准化测试标尺,同时让车主在车内体验沉浸式三维环绕音效。此举补齐了菁彩声车载场景标准内容短板,助力加速其在智能网联汽车产业的规模化应用落地。

  3. IT之家17

    华为 FreeClip 2 耳夹耳机全新潮玩拼色版预售,1299 元

    华为 FreeClip 2 耳夹耳机全新潮玩拼色版今日开启预售,售价 1299 元,提供红/黄、蓝/黄、红/蓝三种配色。该耳机搭载第三代自研低功耗芯片及 NPU AI 处理器,算力提升 10 倍,并新增鸿蒙 AI 耳边助手。此前报道显示,其采用 10.8mm 开放式双振膜单元,单次续航 9 小时,支持 IP57 防尘防水。

  4. IT之家34

    通用汽车推出 OnStar AI 助手,升级互联智能平台

    通用汽车宣布升级 OnStar 为互联智能平台,并推出原生 AI 助手 OnStar AI。该助手将率先通过 OTA 升级搭载于 2027 款凯迪拉克 Lyriq,支持语音唤醒以解释车辆警报、检查发动机提示及电动车续航,并结合实时数据提供个性化建议。此前 OnStar 主要承担紧急救援和人工客服功能,此次转型旨在实现从“事后响应”到“预测与主动服务”的转变。

  5. IT之家28

    通用汽车安吉星服务升级:引入 AI 助手支持控车与排障

    通用汽车将升级安吉星服务,引入可直接获取车辆信息、语音控车及排查故障的 AI 助手。该功能未来几个月将通过 OTA 率先登陆 2027 款凯迪拉克锐歌,随后覆盖凯迪拉克、雪佛兰、别克和 GMC 更多车型。此举旨在将安吉星从以紧急救援为主的服务,发展为提供车辆管理功能的综合工具。

10月21日周三
  1. The Verge · AI45

    Gemini 对话式导航登陆 Apple CarPlay

    Google 将 Gemini 对话式导航功能引入 Apple CarPlay,美国用户即日起可用,全球其他地区正在陆续推出。用户可在 Google Maps 中通过语音助手进行多步骤查询,如推荐地点并规划避开收费道路的路线。该功能在 Gemini 于去年登陆 Android Auto 后,时隔近 12 个月才扩展至 CarPlay 平台。

  2. The Decoder55

    ElevenLabs发布两款用于实时AI对话的语音到语音模型Eleven Realtime v1 Max与v1 Mini

    ElevenLabs于2026年10月20日发布两款语音到语音模型Eleven Realtime v1 Max与v1 Mini,面向实时AI对话。v1 Max在Big Bench Audio基准达到98.8%准确率且响应延迟0.57秒,v1 Mini主打低成本并能识别对话结束信号。两模型均通过ElevenAgents平台与OpenAI兼容Realtime API提供,按分钟加token计费。

  3. Mistral AI65

    Mistral发布Voxtral 3语音模型与智能体SDK

    Mistral发布Voxtral 3语音模型家族与实时语音智能体SDK,支持50+语言转写和35+语言情感语音合成。该SDK基于LiveKit将听、推理、说整合为流式管道,每轮交互耗时低于1秒,支持通过Mistral欧盟API或自部署运行。模型包含Voxtral Small Transcribe 3等,批量转写价格低至$0.0035/min。

    推荐理由:Mistral发布Voxtral 3语音模型家族与实时智能体SDK,给出50+语言转写和私有部署选项,便于企业评估语音工作流改造。

10月20日周二
  1. TechCrunch · AI42

    Yelp 推出 Check for Me 功能代用户致电餐厅查询等待时间

    Yelp 新增 Check for Me 功能,允许用户输入人数和电话后,由 AI 语音代理代其致电餐厅查询等待时间并发送短信结果。该功能旨在解决用户端需求,此前 Yelp 已为餐厅提供语音解决方案。同时,Yelp 更新了 AI 助手,集成 OpenTable 预订功能,并推出每月 30 美元的 Smart Lead Reply 付费服务以辅助商家处理客户咨询。

  2. TechCrunch · AI48

    Otter AI 获 General Catalyst 3.2 亿美元增长基金投资

    会议记录工具 Otter AI 宣布从 General Catalyst 的 Customer Value Fund 获得 3.2 亿美元非稀释性投资。该公司计划将资金用于企业增长、国际市场扩张及产品创新,目前其用户数已从去年的 2500 万增至 4000 万。此前 Otter 在 2021 年完成最后一轮融资,累计融资 5000 万美元,去年年度经常性收入突破 1 亿美元。

  3. IT之家20

    三星首款耳夹式耳机 Galaxy Buds On 细节公布:TwinBoost 扬声器、三麦克风设计

    三星公布旗下首款耳夹式耳机 Galaxy Buds On 细节,该机将于 10 月 27 日在韩国率先上市,售价 299,000 韩元。产品采用开放夹式结构,配备 TwinBoost 扬声器系统及三麦克风设计,支持 AI 感知操作与声音泄漏抑制技术。连接支持 Galaxy AI 的设备后,用户可通过语音指令启动 Gemini Live,并支持头部手势操作。

  4. IT之家32

    漫步者 Comfo Clip Ultra 耳夹式蓝牙耳机发售:支持心率检测、内置 AI 教练,国补后 899 元

    漫步者 Comfo Clip Ultra 耳夹式蓝牙耳机今日在京东发售,定价 998.4 元,国补后 899 元。该耳机支持单次与连续心率检测,内置 12 门走跑课程及 6 种运动模式,AI 教练可提供实时指导与训练评分。设备搭载 12mm 长冲程动圈单元,支持 LHDC 5.0 编码,整体续航达 40.5 小时。

  5. IT之家59

    蚂蚁百灵开源 Ming-3.0 语音系列模型,覆盖语音合成、音频理解与对话、语音识别

    蚂蚁百灵今日开源 Ming-3.0 语音系列,提供语音合成、音频理解与对话、语音识别三个系列共五款模型。Ming-3.0-tts 支持文字描述目标音色与导演模式控制情绪重读,audio-flash 可直接对长音频转写总结并保留情绪与说话人身份,asr-tiny 结合热词提升真实业务识别效果。相关模型已在阿福 App、医生助手等蚂蚁内部业务落地。

  6. IT之家62

    日本演员协会(JAU)发布 AI 语音使用准则,龙珠悟空配音演员怒批 AI 盗用其声音

    日本演员协会(JAU)发布生成式 AI 语音使用准则第一版,规定复刻演员声音须在每一步取得当事人同意并向授权使用支付报酬。该准则适用于所有 AI 复刻声音生成的音频,龙珠悟空配音演员野泽雅子等强烈反对未经授权盗用。这是日本首批针对 AI 语音录制发布的行业规范。

  7. The Decoder64

    可灵AI发布4.0版本,支持立体声音频、多语言唇同步与轻量Flash变体

    可灵AI发布4.0版本,新增立体声音频、多语言唇同步与轻量Flash变体,单次可生成最长30秒视频。系统提示词理解扩展至8,000 tokens,支持最多10张关键帧与15个参考资产,并通过MCP和CLI接入AI智能体工作流。原文对比万3.0与Seedance 2.5,指出可灵4.0在镜头逻辑等方面未明显领先,这可能是AI视频模型进步放缓的早期信号。

  8. AWS Machine Learning Blog27

    Deepgram 如何利用 AWS Trainium 优化大规模语音 AI

    Deepgram 将 Nova-3 语音转文本模型移植至 AWS Trainium2,在离线批量工作负载中实现了每美元处理音频量提升 11%–70%。该优化通过 Neuron 软件栈及自定义内核调优完成,单台 trn2.3xlarge 实例运行 8 个模型副本。此前 Deepgram 主要依赖标准 PyTorch 代码,此次合作旨在降低推理成本并提升服务效率。

10月19日周一
  1. IT之家26

    苹果收购 AI 音频编辑公司 Samplab,有望为 Logic Pro 引入更精细的音频编辑功能

    苹果已收购瑞士苏黎世 AI 音频编辑公司 Samplab,将收购其部分资产并向部分员工提供工作机会。Samplab 成立于 2020 年,规模较小,核心能力包括修改音频中的任意音符、识别和编辑和弦以及精细化音轨分离。苹果自 2024 年起已在 Logic Pro 中加入 AI 音轨分离功能,预计此次收购后将整合 Samplab 技术,进一步完善该功能并支持直接编辑和弦中的单个音符。

10月18日周日

© 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