ElevenLabs 发布强制对齐模型 Cue，支持字符级音频时间戳
ElevenLabs 发布强制对齐模型 Cue，可为音频中每个字符定位精确时间点，并已用于 Scribe 语音转文字模型家族。Cue 覆盖 90 多种基准语言，单次处理任意长度录音，在生产 GPU 上对齐 1 小时音频约需半秒；在 29 种语言的基准上，其准确率高于 ElevenLabs 测试的所有对齐工具。该模型也通过 Forced Alignment API 单独开放。
匹配字段摘要、正文
←搜索结果
搜索“语音”
Nvidia 发布开源转写模型 Nemotron 3.5 Transcribe
Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步推出开源语音数据集 Granary 第 2 版。该模型支持 31 种语言与英语互译、处理最长一小时的录音、区分最多 8 位说话人，Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。模型为 300 亿参数，可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片上，但只支持录音音频，不支持直播流。
匹配字段摘要、正文
MIT 教授 Paris Smaragdis 打造能听会辨的机器听觉系统
MIT 教授 Paris Smaragdis 的研究组致力于让机器具备超越人类的听觉能力，用于语音识别、音乐理解和环境监测等场景。其研究覆盖声源分离的机器学习、可增强人类听觉环境的智能设备，以及帮助人们理解、操作、分析和创作音乐的工具。Smaragdis 于 2025 年加入 MIT，同时任职于音乐与戏剧艺术项目及电子工程与计算机科学系。
匹配字段摘要、正文
Siri AI 新增多语言支持，德语仍缺席
苹果在 iOS、iPadOS 和 macOS 27.2 中为 Siri AI 扩大语言支持，新增法语、西班牙语、葡萄牙语、日语和韩语，年底前还将支持挪威语、土耳其语、繁体中文和越南语，德语最早要到 2027 年。Siri AI 仍标注为 Beta，27.2 版将支持记住此前对话、更深入使用个人数据，并纳入 iMessage 中的照片、日程邀请和语音邮件。Siri AI 在欧盟成员国的 iPhone、iPad 和 Apple Watch 上仍处于封锁状态。
匹配字段摘要、正文
iOS 27.2 为 CarPlay 带来两项改进：Apple Podcasts 分区与 Siri AI 升级
iOS 27.2 为 CarPlay 带来两项改进：Apple Podcasts 在 Home 标签页新增“New Episodes”和“Continue Playing”两个分区，重构了原有的 Up Next 队列；Siri AI 可回忆过往对话，并能调用 Messages 中的照片、Calendar 活动参与者、语音留言以及 Safari 历史记录和阅读列表等更多来源作答。此外，iOS 27.2 还更新了 Apple Music 的应用图标并做了小幅设计调整。
匹配字段摘要、正文
Astropad Workbench 1.4 新增终端访问与 iPhone Duo 支持
Astropad Workbench 1.4 发布，新增内置终端，可在远程桌面与终端之间免重连切换，终端会话跨设备持续运行并支持语音输入命令。该版本还原生支持 iPhone Duo，并支持 Mac 之间在终端会话中拖放文件。Workbench 每天免费使用 20 分钟，无限访问为 $14.99/月或 $79.99/年，需 macOS 15、iOS 26 或 iPadOS 26 及以上。
匹配字段摘要、正文
iOS 27.2 正式发布：Siri AI 扩展、FaceTime 双摄与 TV 多视角上线
iOS 27.2 在六周测试后正式推送，为 iPhone 带来多项新功能。Siri AI 新增回忆过往对话、从 Messages 照片与语音留言等更多来源取信息、Excluded Apps 访问控制与精细化文本选择；FaceTime 的 Dual Capture 双摄模式首次支持 Group FaceTime，需 iPhone 17 或更新机型。TV app 首次在 iPhone 支持 Multiview 同时观看最多四路体育直播，并加入用户配置文件。
匹配字段摘要、正文
Gemini 4 Carbon 登顶 Artificial Analysis Intelligence Index v5
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项领先。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。该模型上下文窗口为 1M tokens，支持文本、图像、视频和语音输入，标准定价为每百万输入/输出 tokens 4/20 美元，目前向部分用户开放并提供 50% 折扣。
匹配字段摘要、正文
15 位大学生分享最爱的 Gemini 功能
15 位 Google Student Ambassadors 分享了他们最常用的 Gemini 功能，包括把课程材料转成个性化短课的 Study notebooks、用语音练习面试的 Gemini Live、引导式学习的 Guided Learning，以及生成学习指南和定制测验。学生套餐提供课堂材料、学习笔记和图片的无限上传，Audio Overviews 还能把文档和幻灯片转成播客式对话，方便在校园路上复习。
匹配字段摘要、正文
Google.org 投入 250 万美元，到 2027 年借 ONA 助 100 万农民
Google.org 向世界银行集团提供 250 万美元支持，用于扩展农业数字公共基础设施，目标是在 2027 年底前帮助 100 万农民接入改善生计的关键服务。世界银行集团将在印度试点成功后，在拉丁美洲、东南亚和撒哈拉以南非洲多国建设 AI 驱动的农业开放网络 ONA，让农民通过单一平台获取数字农民 ID、信贷、补贴支付、销售市场和本地语言语音农事建议。
匹配字段摘要、正文
卡兹克：AI 夺走了我的口头禅“坦率的讲
内容创作者卡兹克发现自己用了四年的口头禅“坦率的讲”如今一写出来就被读者划线质疑“AI 味儿太重”“一眼 AI”，最近两个月他越来越少用这四个字，语音输入时看到也会下意识删掉。他认为 AI 从人类学会语言，如今却轮到人类修改自己的表达来证明自己是人，并提到“不是……而是”等句式也在被放弃。
匹配字段摘要
腾讯混元开源实时中英同传模型 Hy-SimulMT
腾讯混元开源实时中英同声传译模型 Hy-SimulMT，延迟约 3 秒，支持实时语音克隆。官方称其表现优于多数开源模型和商业 API，模型已在 Hugging Face、ModelScope 和 GitHub 发布。
匹配字段摘要、正文
特斯拉确认正自研 AI 地图，将随 FSD v15 逐步推送
特斯拉副总裁阿肖克·埃卢斯瓦米在财报电话会议上确认，特斯拉正在自研一套基于 AI 的地图导航系统，将随 FSD v15 上线，融合车队采集数据、个性化路线规划并支持 FSD 语音控制。他称这是全新架构而非另一版地图，车队会自动采集街道信息并标注通行速度、停车标识、红绿灯、停车场等数据，用于解决限速识别、泊车和路线规划问题。新地图预计先在 FSD v15 的行程出发和到达阶段使用，之后数月内逐步覆盖泊车和语音控制等剩余导航能力。
匹配字段摘要、正文
马斯克回应 iPhone 用「Hey Grok」唤醒 Grok
有用户分享在 iPhone 上通过快捷指令和辅助功能的语音快捷指令，实现说「Hey Grok」直接唤起 Grok Bot 语音聊天，无需额外 App。马斯克转发该帖并评论「Cool」。
匹配字段摘要
百度健康升级文心健康管家，发布好医矩阵与健康相机
百度健康宣布升级文心健康管家，发布好医矩阵和健康相机，其AI服务月活跃用户已达5000万+。好医矩阵包含好医答、好医加号、好医说、好医榜、好医评，好医答入驻15万+全三甲真人医生提供7*24小时在线服务，好医加号已覆盖80%以上公立三甲医院、每天提供超12万个加号源。健康相机支持打字、方言语音、拍照和视频上传边拍边说，基于300万多模态影像素材训练，可识别动态体征与多发症状位置关系。
百度健康宣布升级文心健康管家，发布好医矩阵和健康相机，其AI服务月活跃用户已达5000万+。好医矩阵包含好医答、好医加号、好医说、好医榜、好医评，好医答入驻15万+全三甲真人医生提供7 24小时在线服务，好医加号已覆盖80%以上公立三甲医院、每天提供超12万个加号源。健康相机支持打字、方言语音、拍照和视频上传边拍边说，基于300万多模态影像素材训练，可识别动态体征与多发症状位置关系。
匹配字段摘要、正文
打工人开始“表演”AI提效：Skill、周报与使用率考核下的职场怪象
多位大厂员工向定焦One讲述，公司把AI使用率纳入考核后，自己开始“表演”AI提效：有人把半小时会议录音转文字写成“搭建语音信息结构化流程”并被评为优秀案例，有人为周报凑AI含量把十分钟的活干成半小时。深圳一家公司规定AI使用率不到70%扣20%绩效，员工卷出一堆没人用的Skill；Visier调查显示1000名美国全职员工中48%承认向同事或上级夸大了自己的AI使用频率或专业知识。
匹配字段摘要、正文
AI 改变客服工作日常：有人减负，有人被复杂工单压垮
CNBC 采访显示，信用卡公司客服 Kaylee Harris 因 AI 接管记录与披露工作而能更专注客户，但威尔士电信公司客服 Shannon 称 AI 生成的工单记录错误频出，只能自己重写。PolyAI CEO Nikola Mrkšić 认为 AI 语音智能体可分担客服压力，Virgin Media O2 已于 9 月上线 AI 语音智能体处理常规问题，ArvatoConnect 则目标让 70% 的交互由技术完成、30% 由人处理。伦敦国王学院 Amanda Jones 提醒，常规任务被自动化后人类只剩最难案例，工作强度可能不降反升。
匹配字段摘要、正文
工程师 Yogen Ghodke 如何用 AI 应用 ListenToMe 弥合无障碍教育鸿沟
AI 解决方案工程师 Yogen Ghodke 开发了 ListenToMe，用 OCR 提取文档文字再经文本转语音生成音频，帮助视障学生把学习材料变成可听内容。该应用支持约 30 种语言，公开上线三四週已有约 1600 人注册、约 1000 人提交文档，日增约 200 名用户。目前免费版每日限处理 250 页，他正考虑推出约 ₹149、每日 500 页的付费方案，并自费在 Mac Mini 上运行服务。
匹配字段摘要、正文
Immobiliare.it 如何从单个对话智能体扩展到智能体网络
意大利最大房产平台 Immobiliare.it 基于 ElevenAgents 从单个对话智能体扩展为互联的智能体网络，线索资格转化率提升 3.3 倍，用户留下电话以便跟进的可能性提高 74%，约 80% 用户对该功能评价正面。首个智能体部署在房源页，全天候用当地语言应答并汇总每次交互；随后扩展出私房主接洽、房源质量外呼、语音与聊天客服、对话式搜索等智能体，并以子智能体分工编排。
匹配字段摘要、正文
OpenAI 如何定义 FDE：把客户定制 Harness 收成统一 Codex
OpenAI 的 FDE 团队成立于 2025 年初，目标是填补模型能力与客户真实约束之间的部署差距，做法是先把结果做进生产，再把定制方案收成可复用产品。早期每个用例都要大量定制集成，Codex 变强后团队把应用重建在 Codex 上，定制应用变成基于 Codex 原语的 plugins 和 skills，自报每个项目约 90% 的定制代码被去掉。半导体客户案例中约 15 名 FDE 覆盖 10+ 用例，自报定向测试生成约省时 48%、内核优化中位性能提升约 22%；电信客服语音案例的关键评测约六个月从约 60% 提升到 90%+。
匹配字段摘要、正文