VEED Dubbing 上线 fal 平台
fal 宣布 VEED Dubbing 已上线。该功能可用克隆语音和唇同步翻译视频；Pro 版支持 94 种语言和 14 种地区口音，保留背景音频并支持多说话人，还提供目标口音与语音克隆强度控制。
匹配字段摘要、正文
←搜索结果
搜索“语音”
Apple Watch Series 12 与 Ultra 4 将新增 Siri Recap 和 Live…
Apple Watch Series 12 和 Apple Watch Ultra 4 将在今年晚些时候通过 watchOS 27.3 获得 Siri Recap 与 Live Rewind 两项新功能。Siri Recap 由 Apple Intelligence 生成对话摘要，未保存的摘要 7 天后自动删除；Live Rewind 则在双击数码表冠时显示过去 15 秒的语音文字片段。
匹配字段摘要
NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一，平均 WER 为 5.33%，在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据，配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。
匹配字段摘要、正文
NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 与本地智能体工具
NVIDIA 公布 RTX Spark 轻薄笔记本的多项更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 模型家族支持，以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。Nemotron 3.5 Transcribe 支持 40 种语言的转写、说话人标注和翻译，约 43 亿活跃参数，已在 Hugging Face 上线。RTX Spark 笔记本现由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 出货，起售价 2599 美元。
匹配字段摘要、正文
Gemini Notebook 移动端 Live Chat 向所有用户开放
Gemini Notebook 宣布，Live Chat 功能现已向移动端所有用户开放。此前该功能已向移动端 Ultra 用户全量推送，支持用约 100 种语言与笔记本进行实时语音对话。
匹配字段摘要
ChatGPT 为 dot 上线短信功能，Pro 用户可在美国预览
ChatGPT 宣布 dot 支持通过 iMessage 或 RCS 短信交互，用户可用文字、照片或语音留言给它派任务或让它持续关注某件事，dot 会主动发消息汇报相关进展。该功能以预览形式向美国 Pro 用户推送，官方称只有用户本人能给自己的 dot 发消息，dot 也只能回复本人，且不会让 dot 或 OpenAI 访问用户的其他短信对话。设置方式是在 dot 的个人资料页选择 Texting，dot 在不同入口共享同一套上下文和插件。
匹配字段摘要、正文
Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index…
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项排名第一。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型目前仅向部分用户开放，尚未公开发布，定价为每 1M 输入/输出 token 4/20 美元并提供 50% 折扣，上下文窗口 1M tokens，支持文本、图像、视频和语音输入。
匹配字段摘要、正文
Google 与 Xreal 合作的 Android XR 眼镜 Aura 开售，起价 1099 美元
Xreal 与 Google 合作开发的 Android XR 眼镜 Xreal Aura 在美国、加拿大、日本和韩国开售，12GB+256GB 版 1279 美元、16GB+512GB 版 1499 美元，年底前优惠价为 1099 和 1299 美元，11 月中旬开始发货。它重约 95 克，采用分体架构，把主要计算单元和电池放到有线口袋主机中，搭载高通 Snapdragon Reality Elite 芯片，支持 Gemini 语音指令、手势追踪和 70 度视场。Xreal 称首发提供 150 多个 XR 应用与体验，并推出带 Gemini 键的手柄和无线键盘配件。
匹配字段摘要、正文
Sarvam AI 向马哈拉施特拉邦 2500 名政府官员部署 Indus Cowork
Sarvam AI 的 Indus Cowork 在 10 月 28 日由首席部长 Devendra Fadnavis 发布后，正部署给马哈拉施特拉邦 2500 名政府官员，用于起草文件、分析报告、汇总档案和检索政府记录。该邦 8 月批准了 Sarvam 主权 AI 方案，两年预算 11.26 亿卢比，除 Indus Cowork 外还包含面向公民沟通的语音与 WhatsApp 系统 Samvaad，并将 Saaras 语音识别和 Bulbul 文本转语音模型接入该邦 MahaAI 平台。平台支持包括马拉地语在内的 22 种语言，并提供检索政府决议的 GR Expert、邮件摘要和 RFP 投标评估等工具，Sarvam 称系统运行在位于印度境内的安全审计基础设施上。
匹配字段摘要、正文
OpenAI 将 ChatGPT dot 接入 iMessage 和 RCS
OpenAI 将 ChatGPT dot 智能体的使用入口扩展到 iMessage 和 RCS，此前该功能只能在 Slack 或 ChatGPT 应用内使用。用户可通过文字、照片或语音留言给它派任务，它会主动发消息汇报进展；在 dot 的个人资料中选择 Texting 即可设置，且不会让 dot 或 OpenAI 访问其他短信对话。
匹配字段摘要、正文
Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial…
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
匹配字段摘要、正文
Granite Switch 4.1.1：像更新软件一样更新模型
IBM 发布 Granite Switch 4.1.1，主张像更新软件一样更新模型。文中涉及 granite-switch-4.1-30b、granite-speech-5.0-470m-turboctc 和 granitelib-core-r1.0 三个模型，并配有 Space 演示“Speech to Decisions with Granite”，由单个 Granite Switch 模型实时听取并评估语音。
匹配字段摘要、正文
Deepgram 收购 Pipecat 开发商 Daily，并推出实时上下文标准 RCS
Deepgram 宣布收购开源语音 AI 框架 Pipecat 的开发商 Daily，交易金额未披露，双方承诺 Pipecat 将继续保持开源。Daily 此前累计融资超过 6200 万美元，Deepgram 今年早些时候以 1.3 亿美元 C 轮融资成为独角兽。Deepgram 同时发布与 Pipecat 团队共同开发的开放协议 Real-Time Context Standard（RCS），用于定义语音智能体中的音频上下文、模型指令和回复语气等元数据。
匹配字段摘要、正文
Claude 多项小更新：多账号登录与 CarPlay
TestingCatalog 汇总了 Claude 的一批小更新：Android 版 Claude 现在可像笔记本应用一样使用，iPad、iPhone Duo、Chromebook、Googlebooks 和折叠屏设备上的视图也做了优化；新增多账号登录；Claude UI 支持 24 种新语言；语音模式回答速度提升，非英语语音更自然；新增 CarPlay 支持；移动端“下拉搜索”功能即将上线。
匹配字段摘要、正文
字节世界模型曝光：张一鸣的布局与谷歌 Genie 4 的路线差异
钛媒体文章称，字节跳动已将世界模型列为 2026 年 AI 四大重点之一，目标年底前至少发布一版，对标谷歌 Genie 3，用户可通过 Pico 头显以语音和动作进入云端生成的世界。文章同时梳理了谷歌 10 月 28 日发布的 Genie 4，其支持用自然语言实时改变天气、移动镜头和引入人物，并首次加入声音。文中还提到字节内部评测显示其世界模型综合性能距当时全球 SOTA 约差 10%，生成指标约 20fps。
匹配字段摘要
Raven Prism 全彩 AR 眼镜开启预订：独立运行 Linux 系统，支持眼动交互
Raven Resonance 的 Raven Prism 全彩 AR 眼镜已开启预订，订金 49 美元可全额退还，首批预计 2027 年 1 月开始发货。该设备基于 Linux 的 RavenOS 独立运行，搭载全彩 LCoS 光波导显示、四核 64 位 ARM 处理器，以眼动和语音交互为核心，并采用 Raven Wings 模块化热插拔电池设计。首批应用商店提供超过 25 款应用，面向开发者、创意工作者及企业用户。
匹配字段摘要、正文
Google Home 更新修复 Gemini 随机误报“抱歉，我没听懂”的问题
Google 发布 10 月第二次 Gemini for Home 更新，修复了 Home 和 Nest 音箱/显示屏在无人提问时随机说出“Sorry, I didn't understand”的 bug。更新还修复了智能显示屏上 YouTube TV 语音指令的可靠性、跨房间调音量误改当前设备、以及闹钟和计时器音量被置零的问题。更新即日起开始推送。
匹配字段摘要、正文
Neuralink 公布 VOICE 项目早期数据：渐冻症患者植入首周输出达每分钟 75 词
Neuralink 于 10 月 28 日发布博文，公开语音恢复项目 VOICE 的早期可行性研究，一名渐冻症参与者在使用的第一周即达到每分钟 75 个单词的输出速度，在 12.5 万词的大词库下词错误率为 5.8%。研究负责人 Nader Pouratian 博士已在 2026 年 NEALS 年会上介绍相关数据，该研究计划招募约 6 名因 ALS、脊髓损伤或中风失去沟通能力的参与者，首要评估指标为植入后 12 个月内的设备或手术相关不良事件。Neuralink 目前尚未发布经同行评审的完整论文，数字来自单一参与者，公司也未说明测试任务类型、文本与语音输出的分别表现及长期效果。
匹配字段摘要、正文
Granola 推出听写功能，与 Wispr 正面竞争
以会议记录工具著称的 Granola 上线听写功能，用户在 Mac 上按 Fn 键即可说话，工具会自动清理并格式化语音、输出最终文本，且可在所有应用中粘贴使用。该功能免费且不限字数，iOS 和 Windows 版本即将推出。Granola 与 Wispr 估值分别为 15 亿美元和 20 亿美元，后者此前已从听写工具扩展出会议记录功能。
匹配字段摘要、正文
Rivian 扩大与大众的合资范围，将 AI 助手纳入合作
Rivian 将其 AI 语音助手技术的部分元素授权给大众集团，纳入双方规模 58 亿美元的合资公司。该助手已于 2026 年 5 月上线 R1S、R1T，10 月上线 R2，并可能率先搭载于大众低成本电动车 ID EVERY1。Rivian 未披露授权费用和具体车型，仅称这是其自研平台可扩展性的证明。
匹配字段摘要、正文