跳到正文

#语音

今日 1 条
今天11月18日周三
  1. Testing Catalog76

    Microsoft 在 Ignite 2026 发布七个 MAI 模型

    Microsoft 在 Ignite 2026 发布七个新的 MAI 模型,覆盖编码、安全、图像生成、语音、转录和模型路由。Microsoft 称 MAI Code 2 在多项编码基准上达到 GPT-6.1 Sol 98% 的质量、约 40% 的价格,MAI Cyber 2 Flash 提供 100 万 token 上下文窗口。

    推荐理由:MAI 新模型覆盖编码、安全、图像和路由并给出多项价格与基准对照,便于判断企业AI落地的成本取舍。

11月17日周二
  1. IT之家34

    谷歌为移动平台 Gemini 应用推出 66 种地区语音

    谷歌为移动平台 Gemini 应用推出 66 种地区语音,覆盖 7 个语言类别,支持用户选择贴近当地习惯的语音与 Gemini Live 交流。此次更新涵盖美式英语、英式英语、印度英语、印地语、巴西葡萄牙语、印度尼西亚语和韩语,其中英国用户可选 10 余种地区口音。相关语音适用于 Gemini Live 和文本转语音播放,用户可在应用设置或对话菜单中切换。

  2. IT之家52

    前美团千亿业务负责人刘燕翔离职创业,联手原飞书高管 Garin 推出 AI 语音健康戒指

    前美团千亿业务负责人刘燕翔离职创业,与原飞书高管 Garin 创办乎灵科技并推出语音健康戒指,公司完成千万级人民币种子轮融资。乎零这款产品以 AI 语音记录为核心,支持双击实体按键录音、语音转写、提取待办和日程识别,瞄准开车、睡前、通勤等非屏幕时间。戒指计划本月下旬内测、月底预售,预计 12 月上旬发货,搭载阿波罗 3 芯片,重量不足 5g,官方标称续航约 7 天。

  3. Latent Space45

    Black Forest Labs 发布 FLUX 3 多模态模型

    Black Forest Labs 发布 FLUX 3,该模型基于图像、视频和音频三种信号联合训练以构建视觉智能。FLUX 3 视频功能利用移动镜头数据提升物体多角度一致性,其视频超分器源自同一 FLUX 3 骨干网络。此前该团队曾推出 FLUX Kontext 用于图像编辑,此次发布标志着其从静态图像生成向动态世界模型领域的扩展。

  4. TechCrunch · AI37

    Jordan Belfort 的 AI 语音初创公司 Tone 推出自助平台

    Jordan Belfort 与 Shervin Pishevar 联合创立的 AI 语音初创公司 Tone 推出面向内容创作者的自助平台,支持将书籍转化为具有销售语调的 AI 生成旁白。该平台目前服务于律所和保险公司,具备 600 毫秒延迟,并正在推出声音克隆功能。此前 Belfort 曾作为销售顾问活跃于迈阿密,此次将销售技巧与 AI 技术结合。

  5. TechCrunch · AI31

    Audible 推出 AI 音频发现功能辅助用户选书

    Audible 周一推出“音频发现”功能,利用 AI 生成书籍主题概览及读者评价摘要,并整合编辑或作者评论。该功能旨在帮助用户在通勤等场景快速决策,目前仅在美国部分英语标题中可用。此前 Audible 已上线 AI 回顾和问答工具,以应对 Spotify 等竞争对手在有声书市场的扩张。

11月16日周一
  1. The Verge · AI26

    Audible 推出 AI 辅助音频发现功能

    Audible 推出 AI 辅助音频发现功能,结合有声书片段、AI 生成的主题概览及作者评论,帮助用户在收听前判断喜好。该功能目前在美国部分英语标题上线,旨在减少用户跨平台搜索需求。这是 Audible 为应对 Spotify 等竞争而推出的最新 AI 功能,同时扩展了 Ask a Question 和 Recaps 两项测试功能。

  2. IT之家34

    KTC 推出 VMAX 全感知智能体主机,配备 VMAX GO 随行屏

    KTC 推出 VMAX 全感知智能体主机,在 Windows 迷你主机基础上整合云台摄像头、阵列麦克风及 VMAX GO 随行屏。该设备本地集成视觉、音频算法及对话会议纪要大模型,支持本地运行复合型 AI 工作负载与语音交互。VMAX GO 随行屏可磁吸拆卸,离线独立采集音频,放回主机后自动同步数据并生成结构化会议纪要。

  3. IT之家48

    古尔曼曝光苹果智能眼镜原型机:主打 Siri 语音交互,预计 WWDC2027 发布

    苹果计划于 2027 年 6 月 WWDC 发布首款智能眼镜,内部代号 N50,主打 Siri 语音交互且无内置显示屏。原型机运行精简版 visionOS 28 系统,支持识别建筑、导航及翻译等功能,并可与 iPhone 协作完成订座、叫车等操作。此前古尔曼曾透露苹果正开发多款智能硬件,该眼镜预计年底开始出货。

11月15日周日
  1. IT之家47

    苹果智能家庭中枢 HomeView 首批评测出炉:Siri AI 问题频出,隐私问题引担忧

    苹果首款智能家庭中枢 HomeView 于 11 月 13 日海外上市,首批媒体评测指出其 Siri AI 体验不佳,存在答非所问、响应缓慢及无法执行基础指令等问题。The Verge 还发现设备存在隐私隐患,家庭成员的个人信息可能出现在共享屏幕上,尽管支持人脸识别最多 6 名用户,但账户切换机制仍有改进空间。

11月14日周六
  1. 量子位73

    DeepSeek开放全家桶应用API

    DeepSeek宣布正式开放全家桶应用API,开发者可单独调用搜索文件语音等独立接口。语音识别与合成首次开放且打五折,识别仅0.39元/小时,V4.1-Flash模型已在Messages、Responses和Chat Completions三类接口支持扩展功能。此前10月17日已开放Search和Fetch,现模型自动完成搜索流程,开发者甚至可1:1复刻DeepSeek App。

  2. IT之家61

    CDPR 利用 AI 技术还原《巫师 3》新 DLC 杰洛特波兰语配音早期声线

    CDPR 利用 Respeecher 的 AI 语音转换技术,将杰洛特波兰语配音演员 Jacek Rozenek 中风后录制的新台词调整为接近《巫师 3》早期声线,用于新 DLC《Songs of the Past》。Rozenek 亲自录制所有台词,AI 仅做声音转换,不同于此前为逝者复现声线的合作。此前 CDPR 曾在《赛博朋克 2077:往日之影》中用同类技术还原已故演员声线。

  3. IT之家36

    IT早报 1114:曝黄仁勋离任前夕心力交瘁;微软 365 核心服务全球宕机超 10 个小时;华为首个动态血糖仪官宣;37.98 万元起鸿蒙智行问界新 M8 上市...

    彭博社报道黄仁勋在董事会施压下辞去英伟达 CEO 后心力交瘁,近期常挂嘴边“随便”和“我不在乎”。同期微软 365 核心服务全球宕机超 10 小时,波及多国政府与企业,故障源于服务器连锁失效。

  4. AWS Machine Learning Blog34

    AssemblyAI 在 AWS 上使用 Amazon EC2 Spot 优化语音转文本推理成本

    AssemblyAI 利用 Amazon EC2 Spot 实例与 Amazon ECS 构建混合 GPU 集群,在保持 SLA 承诺的同时大幅降低大规模语音转文本推理成本。该架构通过混合 g4dn、g5 和 g6 实例族分散风险,并采用 Amazon SQS 队列机制实现中断后的任务自动重试。此方案部署于欧洲 AWS 区域,以满足医疗、金融等受监管行业的数据驻留合规要求。

11月13日周五
  1. IT之家75

    DeepSeek 发布全家桶应用 API:开发者将能 1:1 复刻完整 DeepSeek App

    DeepSeek 宣布开放全家桶应用 API,将深度思考搜索、文件输入等对话功能整合进原有接口,支持开发者 1:1 复刻 DeepSeek App。V4.1-Flash 模型已在 Messages 等接口支持联网与深度思考搜索,底层 OCR、ASR、TTS 可独立调用并开源前端 Demo。调用扩展能力除 Token 费外按次计费,如搜索 5元/千次。

  2. TechCrunch · AI36

    ElevenLabs 发布实验性团队应用 ElevenAI,整合会议记录与听写功能

    ElevenLabs 本周在纽约 11/11 Summit 上发布了实验性应用 ElevenAI,该应用整合了会议记录、听写和智能体集成功能。目前 ElevenAI 仍处于预览阶段,用户需注册获取早期访问权限,其听写功能支持超过 90 种语言。此前该公司还推出了具备实时转录能力的 Scribe v3 语音转文本模型系列。

  3. DeepSeek API 更新日志64

    DeepSeek 开放全套应用 API 支持搜索与文件输入等能力

    DeepSeek 今日开放全套应用 API,开发者启用现有 API 参数即可获得 Web 搜索、文件输入和 URL 读取等对话能力。deepseek-flash 模型在 Messages、Responses 和 Chat Completions APIs 中支持上述功能,工具调用与上下文组装由服务处理。

    推荐理由:DeepSeek 开放全套应用 API,开发者通过现有接口启用参数便可获得搜索与文件输入等对话能力,由服务侧完成工具调用。

  4. IT之家55

    腾讯混元发布实时语音模型 Hy Realtime:能说会唱、还能调用工具,已在元宝语音通话、腾讯客服等上线

    腾讯混元发布实时语音模型 Hy Realtime,具备Agentic工具调用与唱歌能力,已在元宝语音通话和腾讯客服上线。模型在语音理解、指令遵循与情感表达上升级,近期将上线腾讯云提供API服务。官方表示下一步将重点提升双工交互与长期个性化记忆。

11月12日周四
  1. The Verge · AI27

    The Verge 评测 Apple HomeView 并开启问答

    The Verge 资深智能家居评测人 Jennifer Pattison Tuohy 对售价 299 美元的 Apple HomeView 进行了为期一周的测试。她体验了桌面与壁挂版本,测试了 Siri AI 能力、通话及智能家居控制功能。Verge 订阅用户现可在评论区提问,她将于今日开始回答。

  2. IT之家58

    三星首款智能眼镜 Intelligent Eyewear 开启预售:搭载 Android XR 系统,395 美元起

    三星11月12日开启首款智能眼镜 Intelligent Eyewear 预售,售价395至489美元,运行 Android XR 并整合 Gemini 与 Bixby。该眼镜配备1200万像素摄像头与骁龙 AR1 Gen 1,支持实时翻译、逐步导航及白板笔记总结到三星 Notes。这是三星第一代智能眼镜,12月10日起可在指定门店试用。

  3. IT之家51

    科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务,支持 99 种语言、202 种方言

    科大讯飞今日宣布星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台上线 API 服务,支持 99 种语言与 202 种方言。该模型直接理解语音中的语义情绪与环境音,解决级联方案信息丢失与链路割裂问题,并采用全国产算力训练。这是相较上一代模型在听见更多、理解更透、用得更广方面的全新升级。

© 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