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...

微软近日发布旗下首个流式语音转写模型 MAI-Transcribe-2-Streaming，并同步推出 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 语音生成模型。新模型在 Artificial Analysis 基准中登顶，展示出高准确率、低延迟和低成本优...

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，...

谷歌正式推出Gemini 3.5 Transcribe，这是面向智能语音交互场景的新一代语音转文本模型。它能够将原始音频直接转换为准确、经过润色并完成格式化的文本，减少用户在后期整理和编辑上的工作量。该模型现已在Gemini AP...

Google 官方宣布旗下人工智能助手应用 Gemini 已实现超过 10 亿月活跃用户，成为谷歌产品矩阵中第 14 个达成这一里程碑的应用。尽管谷歌未披露各平台的详细分布，但透露用户在 iOS 端的活跃度同样破亿，且日均生成图...

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...

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...