环境智能初创公司Mistlabs近日宣布，其Ambi人工智能系统正式结束测试阶段，在苹果iPhone、Apple Watch和Mac设备上全面推出。Ambi定位为“环境AI”应用，能够在用户日常对话中持续学习，理解使用场景和个人偏好，从而提...

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，...

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...

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...

OpenAI 近期公开了其低延迟实时语音系统 GPT-Live 的技术细节，展示了一套仅用六个月构建的全新架构。区别于传统的轮流发言模式，GPT-Live 采用了全双工语音模型，能够实现一边聆听一边发言的连续对话，大幅减少了交...