ElevenLabs 发布面向临床场景微调的语音转文字模型 Scribe v2 Medical，已在 ElevenAPI 上正式可用，模型 id 为 scribe_v2_medical。相比基础版 Scribe v2，它在临床音频上的词错误率（WER）降低约 35%，在 Corti MedDictate、MedTerm 和 Eka Medical ASR 等基准上取得最低 WER，且日常语音仍保持 5.3% WER。该模型对企业客户符合 HIPAA 要求，需签署 BAA 并启用 Zero Retention Mode。
匹配字段标题
少数派作者 neyham 用约 50–60 元的小米电视蓝牙语音遥控器 2 Pro（型号 RC003）搭配开源工具 SayAll，把遥控器变成 AI 编程的手持控制器：按住语音键口述 Prompt，松手上屏，方向键切换终端 Tab 和 Workspace。SayAll 会生成虚拟麦克风 MiRemoteV 2ch，配合微信输入法的按住说话功能使用，macOS 和 Windows 均有配置路径。文章还给出 SayAll 引导卡住、微信输入法无法录入独立 Fn 键等排坑方法。
匹配字段标题
LiveKit 官方博客对比了实时语音与视频 AI 智能体两大开源框架 LiveKit Agents 与 Pipecat，指出前者基于自家开源 WebRTC 与 SIP 服务、抽象层级更高，后者不预设传输层、需自行逐级组装 pipeline。文章还说明 TEN Framework、Dograh、Vision Agents、Vocode 的定位，并从语言支持、维护活跃度、上手速度和生产就绪度四方面给出选型建议。
匹配字段标题
Kaylee George 发帖称 Grok Bots 将连续上线语音功能，可收听晨间简报、定制播客、口语诗等。Balta 转推并回复了一个山羊表情 🐐。
匹配字段标题
Lingxi Li 引用 Grok Bot 宣布可以说话的帖子，问网友有没有试过对 @bot 说“seeya”。
匹配字段标题
Roshan Sadanani 转述 Grok Bot 的新能力：Grok Bot 现在可以发送语音笔记，并称你的 @bot 现在能为你制作播客等内容。
匹配字段标题
Grok Bot 现在可以发送语音消息。Lingxi Li 转发并表示，这是他最喜欢的部分，由 @krgeorge 打造。
匹配字段标题
xAI 发布 Grok Voice Transcribe 2.0，称其为全球最准确的语音转写模型，并附上相关链接。
匹配字段标题
xAI 发布 Grok Voice Transcribe 2.0 语音转写模型，称其准确率是 Grok Voice Transcribe 1.0 的两倍，价格不变。该模型在 Artificial Analysis 公开榜单的 32 个流式模型中准确率排名第一，并支持批量与流式转写、词级时间戳、说话人分离、多声道转写和关键术语偏置等功能。批量转写定价为每小时音频 $0.10，流式为 $0.20，该模型将很快成为 Speech-to-Text API 的默认选项，1.0 版本将在未来几周内弃用。
匹配字段标题
Lingxi Li 表示 Grok Bot 的语音功能正在逐步推送，用户可能尚未收到，但很快就能用上。此前 Grok Bot 官方账号已宣布“Grok Bot can talk now”。
匹配字段标题
Grok Bot 现在可以说话了。Roshan Sadanani 转发这一消息并评论称，开车通勤的体验将从此不同。
匹配字段标题
Lingxi Li 表示团队一直在打磨这项功能，力求让体验接近与 AI 队友进行 huddle / 语音通话，并称仍有距离但已接近，欢迎反馈。Balta 以山羊表情（🐐）回复该帖。
匹配字段标题
Lingxi Li 转评 Grok Bot 新增语音对话功能，表示团队一直在努力让它接近与 AI 队友进行 huddle / 语音通话的感觉，虽然还有差距，但已接近目标，并邀请用户反馈。
匹配字段标题
Cadence 基于 ElevenLabs 的 ElevenAgents 构建患者语音智能体，将异常生命体征到患者联系的中位时间从 1 小时 48 分钟缩短至 3.5 分钟，提速 30 倍。该智能体按临床协议端到端处理告警，60% 的筛查告警无需临床人员介入即可解决，患者接听率比人工护士外呼的 41% 高出 47%。前 7 个月共处理 25 万通电话，Cadence 从开发到生产通话仅用一个月。
匹配字段标题
Google 于 2026 年 9 月 15 日宣布为 Gemini Notebook 陆续新增功能：Android 与 iOS 应用将支持针对已注册资料源的实时语音对话，覆盖近 100 种语言，发布当周起向 18 岁以上的 Google AI Ultra 订阅者开放，随后扩展至 Google AI Pro；录音功能于次周上线。报告功能新增「学习の概要」，可在摘要中嵌入图解、测验与闪卡，测验新增短答、多选、填空形式，数周内面向全部用户推出。
匹配字段标题
Vapi 宣布第二届语音 AI 峰会 VapiCon 2026 将于 2026 年 11 月 11 日至 12 日在旧金山 Fort Mason 举办，为期两天、设两条议程，预计 1200+ 开发者和从业者参加。峰会将聚焦语音智能体在生产环境中的真实通话量、失败模式与 ROI，并讨论 speech-to-speech 与级联流水线架构取舍、评测与可观测性、亚秒级首字节延迟及人工接管等议题。Vapi 团队将公布产品与公司更新及新版本发布。
匹配字段标题
阿里云百炼语音示例仓库新增 Qwen-Audio-3.0-TTS 语音合成与声音复刻示例，支持通过指令控制音色风格、方言与情感，并新增 Qwen-Audio-3.0-ASR 系列语音识别示例，覆盖非流式识别、流式识别（支持热词与对话上下文）与录音文件转写。此前该仓库已加入 Qwen-Audio-3.0-Realtime 端到端实时语音对话示例，含陪伴对话、函数调用、推理路由三种场景。开发者可通过百炼免费额度试用这些示例并集成进自己的项目。
匹配字段标题
ElevenLabs 的 MCP 连接器新增生成能力，用户通过一次安装和 OAuth 登录，即可在 Claude、ChatGPT、Cursor、Grokbot、Hermes 等助手中生成语音、转录、配音、音乐、音效、图像和视频，所有产出进入 ElevenCreative 工作区。该连接器调用超过 50 个模型，无需自建服务器或管理 API 密钥，且与驱动 ElevenLabs Agents 的 MCP 为同一个，已连接过的团队无需额外设置。工作区管理员可决定连接可调用的工具，数据驻留地在连接时选择。
匹配字段标题
OpenAI Developers 宣布 GPT-Live-1 已在 API 中上线，可把 ChatGPT 式的自然对话带入应用，语音智能体能在说话的同时继续聆听，并支持自行选择模型与框架。Dominik Kundel 转发了这一消息，表示期待看到大家用它做出的作品。
匹配字段标题
腾讯混元正式发布开源基础模型 AuK，面向统一的语音生成与编辑，采用自然语言指令加参考音频的单一接口，支持零样本 TTS、指令控制生成、内容编辑、耳语转换、去口音、音色风格情感编辑、语速音高控制、增强降噪、多说话人分离与音乐分离。同时发布 AuK-Flash，采用 4 步推理，在匹配条件下约快 4.5 倍。代码、权重与 demo 均已上线。
匹配字段标题