xAI正式推出Grok Voice 3.0，这是一款语音到语音（speech-to-speech）模型，可通过xAI API直接调用，并且定价与上一代模型保持一致。官方强调，该模型具备亚秒级响应延迟，能够显著提升实时语音交互体验。在独立基准...

据TechCrunch报道，AI实验室PrismML近日发布Bonsai 2 27B模型，成功将阿里巴巴的Qwen3.8 27B压缩至仅5.9GB，体积小到足以在智能手机上运行，同时仍保留原模型98.2%的基准测试得分。这一进展在端侧AI部署上具有重要意...

谷歌正式发布Gemini 3.8 Live和Gemini 3.5 Transcribe，为开发者构建实时语音应用提供新一代工具组合。Gemini 3.8 Live聚焦实时交互场景，支持语音对话与即时响应；Gemini 3.5 Transcribe则强化语音识别与转录能力，...

Halo Neuro正式发布Sopro V2语音克隆文本转语音模型家族，并开源其中的轻量级多语言模型Sopro V2 Turbo。该模型仅120M参数，具备语音克隆能力，支持多语言合成，并原生支持欧洲葡萄牙语，能够在笔记本CPU和浏览器环...

字节跳动近日正式公开了其最新的原生音视频实时交互模型SeedRealtime，该模型突破了传统语音助手仅依赖音频或文本的限制，能够同时处理连续的视频、音频和文本流，并以人类对话般的自然速度进行实时语音回应。这一技...

根据PitchBook的最新数据，全球AI语音初创公司在2026年第一季度共获得70亿美元融资，而该数字在2025年同期仅为10亿美元，同比增幅高达600%。这一爆发式增长反映出资本对语音赛道的强烈信心，背后推手是人工智能行业...

谷歌近日发布了Gemini 3.5 Live Translate，这是一个全新的音频模型，专注于实现实时语音到语音的翻译。与传统的语音翻译相比，该模型支持超过70种语言，并致力于消除翻译过程中常见的尴尬停顿，同时保持语调和情感...

Thinking Machines Lab 近日发布了一项名为“交互模型”的研究预览，旨在通过音频、视频和文本三种模态，实现人类与人工智能之间的实时协作。该模型采用从头训练的“多流架构”，能够持续处理与交换多模态信息，彻底打破...