近日，企业级语音AI工具提供商Deepgram宣布收购Daily，后者曾累计融资超过6200万美元，并是开源实时语音AI框架Pipecat的开发商。双方未披露具体交易金额。Pipecat框架能够帮助开发者更高效地构建实时语音助手、对话...

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...

ElevenLabs正式推出Eleven v4及Eleven v4 Turbo，这是其迄今最具情感表现力的文本转语音模型。Eleven v4能够识别并生成语气、节奏、情绪、角色和上下文等细微变化，使合成语音呈现戏剧化、温柔、紧迫、喜剧或日常对...

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，...

微软正式发布 MAI-Transcribe-2 语音识别模型，官方宣称其在速度、准确率和成本方面全面领先，并超越 Gemini 3.5 Transcribe、GPT-Transcribe 和 Whisper V3-Large。该模型集成了说话人分离、可配置转录风格和词级时...

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...

OpenAI近期公开了其最新的实时语音交互系统GPT-Live，标志着语音AI从“交替发言”正式迈入“自然共时”的新阶段。该系统以连续语音处理为核心，实现了全双工通信，彻底抛弃了传统语音助手依赖的轮流对话检测机制。在架构...