搜索“语音”

DingTalk A1豆蔻医生版结合语音记录与医学循证能力

2026年10月30日,DingTalk A1豆蔻医生版发布,将A1的语音记录与AI纪要能力同豆蔻的医学循证能力结合。据中华网科技报道,医生整理完病例讨论或讲座内容后,还能围绕未解决的医学问题查询文献、指南和专家共识。一位杭州三甲医院妇科主任反馈,手术日可先录下特殊情况和判断,下手术后再整理,复杂门诊则用豆蔻医生查看文献和指南链接。报道称,现阶段它更像能录音、提炼、查文献的随身专业助理,而非重构医院IT系统。

DingTalk A1豆蔻医生版结合语音记录与医学循证能力

2026年10月30日,DingTalk A1豆蔻医生版发布,将A1的语音记录与AI纪要能力同豆蔻的医学循证能力结合。据中华网科技报道,医生整理完病例讨论或讲座内容后,还能围绕未解决的医学问题查询文献、指南和专家共识。一位杭州三甲医院妇科主任反馈,手术日可先录下特殊情况和判断,下手术后再整理,复杂门诊则用豆蔻医生查看文献和指南链接。报道称,现阶段它更像能录音、提炼、查文献的随身专业助理,而非重构医院IT系统。

查看事件：DingTalk A1豆蔻医生版结合语音记录与医学循证能力

Cartesia推出Managed Agents语音智能体平台

Cartesia 推出面向企业通话场景的端到端语音智能体平台 Managed Agents。据 Cartesia 产品与研究发布的信息,该平台在 Artificial Analysis 的 Speech Agent Arena 上以 1115 的偏好 Elo 在 30 个智能体中排名第一;在 ServiceNow 的 EVA-Bench 上取得 87.4% 的准确率和 90.7% 的体验分,两项均为最高。平台将语音模型与 harness 联合设计,提供 44 种语言、工具调用、知识库和外呼批次等能力,官方称已在金融、零售、酒店和医疗场景支撑数千万次对话。Rohan Paul 于 10 月 30 日的报道同样提到该平台在 Speech Agent Arena 盲测人类偏好和 EVA-Bench 上排名第一,并称其 H-Nets 在受控扩展实验中效率提升 3–5 倍。

ElevenLabs与adELA合作向西班牙ALS患者免费提供语音修复

ElevenLabs宣布与西班牙ALS协会adELA合作,让西班牙确诊ALS的患者免费使用其语音复原与保存技术。这是ElevenLabs Impact Program在西班牙的首个项目,西班牙也是首个通过全国性患者协会提供该技术的国家。患者若语音尚未明显变化,可录制新样本;若已变化,则可上传旧录音来生成自己的数字声音。据估计西班牙约有4000–4500名ALS患者,其中许多人最终会失去说话能力。

Block发布全双工语音模型Dessa

Block的AI研究实验室发布全双工语音模型Dessa,以研究预览形式开放候补名单。据MarkTechPost报道,该模型只用人声对话音频训练,未使用文本和预训练模型,可在MacBook Pro M4 Max或更高配置上本地运行,速度快于实时;训练使用1台NVIDIA GB200 NVL72(72块GPU)。目前未公布基准分数、参数量、权重、论文或API。

Databricks推出语音Agent方案并开源DIVA蓝图

Databricks于2026年10月29日推出语音智能体方案,并开源DIVA蓝图作为下一个场景的起点。该方案强调语音智能体的价值不在能对话,而在结合上下文、本体和治理数据实时理解来电者并执行规则。其原型用LiveKit承载通话、Deepgram做语音转文字与默认语音、ElevenLabs提供表现力语音,并可将通话交给人工。智能体运行在客户数据所在处,通过只读查询连接订单、忠诚度和CRM系统。目前该方案以DIVA blueprint作为后续场景的起点。

ElevenLabs与adELA合作向西班牙ALS患者免费提供语音修复

ElevenLabs宣布与西班牙ALS协会adELA合作,让西班牙确诊ALS的患者免费使用其语音复原与保存技术。这是ElevenLabs Impact Program在西班牙的首个项目,西班牙也是首个通过全国性患者协会提供该技术的国家。患者若语音尚未明显变化,可录制新样本;若已变化,则可上传旧录音来生成自己的数字声音。据估计西班牙约有4000–4500名ALS患者,其中许多人最终会失去说话能力。

查看事件：ElevenLabs与adELA合作向西班牙ALS患者免费提供语音修复

Artificial Analysis评测Cartesia Managed Agents语音Agent

Artificial Analysis 在 Speech Agent Arena 上评测了 Cartesia 的全托管语音智能体方案 Cartesia Managed Agents,该方案取得 1115 的 Elo,比此前的 Cartesia Line(1017)高 98 分,任务成功率从 77.5% 升至 91.7%。该平台由 Cartesia 自研的 Ink 语音转文字与 Sonic 文字转语音模型围绕开发者自选 LLM 级联运行,本次评测使用 GPT-5.5 与 Skylar、Daniel 两个音色;在需要工具调用的智能体任务上 Elo 为 1112。目前尚无后续发展。

Artificial Analysis评测Cartesia Managed Agents语音Agent

Artificial Analysis 在 Speech Agent Arena 上评测了 Cartesia 的全托管语音智能体方案 Cartesia Managed Agents,该方案取得 1115 的 Elo,比此前的 Cartesia Line(1017)高 98 分,任务成功率从 77.5% 升至 91.7%。该平台由 Cartesia 自研的 Ink 语音转文字与 Sonic 文字转语音模型围绕开发者自选 LLM 级联运行,本次评测使用 GPT-5.5 与 Skylar、Daniel 两个音色;在需要工具调用的智能体任务上 Elo 为 1112。目前尚无后续发展。

查看事件：Artificial Analysis评测Cartesia Managed Agents语音Agent

ElevenLabs开展零售AI语音代理购物者研究

ElevenLabs 对英美等多国购物者开展三项研究,考察购物者与零售 AI 语音智能体的交互偏好。研究显示,让购物者先实际使用 ElevenLabs 语音智能体再作答时,近半数选择“说并听回复”,约 30% 选择“说并看屏幕文字”,语音在六类购物任务中均居首;未试用过的受访者中,打字偏好以超过 4:1 领先语音。研究还发现,问题越严重购物者越不愿交给智能体,错误扣款场景仅 34% 选择智能体;若智能体失败一次,61% 要求转人工。

Block发布全双工语音模型Dessa

Block的AI研究实验室发布全双工语音模型Dessa,以研究预览形式开放候补名单。据MarkTechPost报道,该模型只用人声对话音频训练,未使用文本和预训练模型,可在MacBook Pro M4 Max或更高配置上本地运行,速度快于实时;训练使用1台NVIDIA GB200 NVL72(72块GPU)。目前未公布基准分数、参数量、权重、论文或API。

查看事件：Block发布全双工语音模型Dessa

Databricks推出语音Agent方案并开源DIVA蓝图

Databricks于2026年10月29日推出语音智能体方案,并开源DIVA蓝图作为下一个场景的起点。该方案强调语音智能体的价值不在能对话,而在结合上下文、本体和治理数据实时理解来电者并执行规则。其原型用LiveKit承载通话、Deepgram做语音转文字与默认语音、ElevenLabs提供表现力语音,并可将通话交给人工。智能体运行在客户数据所在处,通过只读查询连接订单、忠诚度和CRM系统。目前该方案以DIVA blueprint作为后续场景的起点。

查看事件：Databricks推出语音Agent方案并开源DIVA蓝图

ElevenLabs开展零售AI语音代理购物者研究

ElevenLabs 对英美等多国购物者开展三项研究,考察购物者与零售 AI 语音智能体的交互偏好。研究显示,让购物者先实际使用 ElevenLabs 语音智能体再作答时,近半数选择“说并听回复”,约 30% 选择“说并看屏幕文字”,语音在六类购物任务中均居首;未试用过的受访者中,打字偏好以超过 4:1 领先语音。研究还发现,问题越严重购物者越不愿交给智能体,错误扣款场景仅 34% 选择智能体;若智能体失败一次,61% 要求转人工。

查看事件：ElevenLabs开展零售AI语音代理购物者研究

ElevenLabs研究称复杂对话中语音优于文字聊天

ElevenLabs于2026年10月27日发布研究结论,称在复杂对话中语音比文字聊天成功率更高。该研究对比数百个同时运行语音和聊天的生产级智能体后发现,超过两分钟的复杂对话中,语音成功率比文字聊天高32%,成功时解决速度快约三分之一。在模拟航班取消场景中,85%的参与者更偏好语音。研究还显示,平均端到端延迟降低16%对应成功率提升26%,15秒内挂断的通话占比从21.1%降至3.8%。目前该结论由ElevenLabs Blog单一来源发布,尚无其他独立来源交叉印证。

查看事件：ElevenLabs研究称复杂对话中语音优于文字聊天

ElevenLabs在ElevenAgents推出合成语音检测

ElevenLabs于2026年10月27日在ElevenAgents中上线合成语音检测功能,可实时判断来电者是人类还是AI。该功能支持将人类来电优先排队、把AI来电转给专用智能体处理,并阻止密码重置等敏感操作。ElevenLabs Blog同日发布的文章还提到,研究者已在11个国家追踪到84起公共服务申请、申诉和投诉激增的案例,并将其称为“agentic flooding”;捷克的国家福利与就业热线用AI智能体每天处理约5,000通电话,独立解决约85%的来电,接通率从约60%提升至接近全覆盖。目前尚无该功能上线后的进一步进展。

查看事件：ElevenLabs在ElevenAgents推出合成语音检测

ElevenLabs研究称复杂对话中语音优于文字聊天

ElevenLabs于2026年10月27日发布研究结论,称在复杂对话中语音比文字聊天成功率更高。该研究对比数百个同时运行语音和聊天的生产级智能体后发现,超过两分钟的复杂对话中,语音成功率比文字聊天高32%,成功时解决速度快约三分之一。在模拟航班取消场景中,85%的参与者更偏好语音。研究还显示,平均端到端延迟降低16%对应成功率提升26%,15秒内挂断的通话占比从21.1%降至3.8%。目前该结论由ElevenLabs Blog单一来源发布,尚无其他独立来源交叉印证。

ElevenLabs在ElevenAgents推出合成语音检测

ElevenLabs于2026年10月27日在ElevenAgents中上线合成语音检测功能,可实时判断来电者是人类还是AI。该功能支持将人类来电优先排队、把AI来电转给专用智能体处理,并阻止密码重置等敏感操作。ElevenLabs Blog同日发布的文章还提到,研究者已在11个国家追踪到84起公共服务申请、申诉和投诉激增的案例,并将其称为“agentic flooding”;捷克的国家福利与就业热线用AI智能体每天处理约5,000通电话,独立解决约85%的来电,接通率从约60%提升至接近全覆盖。目前尚无该功能上线后的进一步进展。

Ollama上线语音模型Phonon,支持文本转语音

Ollama 于 2026 年 10 月 24 日上线语音模型 Phonon,开始支持文本转语音。据 Ollama Blog 介绍,Phonon 是来自 Gradium 的系列小型文本转语音模型,目前已在 macOS 上线,Windows 和 Linux 支持即将推出。在搭载 M5 Max 的 MacBook Pro 上,Ollama 借助 MLX 加速,速度比 Gradium 自家运行时快 35%,词错误率与 Hugging Face Transformers 参考实现持平。Phonon 兼容 OpenAI 的 /v1/audio/speech 接口,现有 OpenAI SDK 代码只需更换 base URL。许可方面,phonon 以 Apache 2.0 发布,40M 模型采用 CC BY-NC 4.0 许可,仅限非商业使用。目前尚无后续发展事实。

Ollama上线语音模型Phonon

Ollama 于 2026 年 10 月 24 日上线语音模型 Phonon,开始支持文本转语音。据 Ollama Blog 介绍,Phonon 是来自 Gradium 的系列小型文本转语音模型,目前已在 macOS 上线,Windows 和 Linux 支持即将推出。在搭载 M5 Max 的 MacBook Pro 上,Ollama 借助 MLX 加速,速度比 Gradium 自家运行时快 35%,词错误率与 Hugging Face Transformers 参考实现持平。Phonon 兼容 OpenAI 的 /v1/audio/speech 接口,现有 OpenAI SDK 代码只需更换 base URL。许可方面,phonon 以 Apache 2.0 发布,40M 模型采用 CC BY-NC 4.0 许可,仅限非商业使用。目前尚无后续发展事实。

查看事件：Ollama上线语音模型Phonon,支持文本转语音

Block发布全双工语音模型Dessa

Block内部AI研究实验室于10月23日发布全双工语音到语音模型Dessa。据Unite.AI报道,该模型完全基于人类对话语音从零训练,可同时听和说,并能原生感知情绪、讽刺和笑声;推理速度快于实时,可在MacBook Pro M4 Max或更高配置上本地运行,团队用单台NVIDIA GB200 NVL72完成训练。Block已公开演示录音和公开等待名单,并向少量AI安全研究者开放早期访问。另有报道称,该模型不依赖文本中介,支持随时插话打断的全双工对话,训练消耗的token量比大语言模型少数百倍,但作者指出这目前只是Block内部实验室的小规模研究预览,demo由官方挑选,纯音频模型在复杂多步逻辑推理上的表现仍存疑问。