Neuralink团队在72小时黑客松中为P21受试者Kenneth开发出8项功能原型,包括在脑中默念“Hey Neuralink”并想好任务即可触发Grok智能体自主操作电脑。团队还重写了神经语音活动检测系统,实现无需按键的纯意念语音解码,并把解码语音接入iPhone通话麦克风音频流,让这位渐冻症患者用意念给妻子拨通电话。此外,专属应用Bloom支持在咖啡馆用意念点单,系统级脑机输入法可在任意App中输入文字。同日,Elon Musk宣布Neuralink首款产品名为Telepathy,称其输出带宽将在几年内远超最快的人类语音或打字速度,该推文引用了Neuralink工程师为一位言语恢复研究参与者进行72小时黑客松、快速原型多项意念沟通功能的帖子。
匹配字段摘要
ChatGPT宣布为dot上线短信交互功能:用户可通过iMessage或RCS给dot发短信,用文字、照片或语音留言派任务,也可让它持续关注某件事,dot会主动发消息汇报进展。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
Google 发布 EmbeddingGemma 2 论文,介绍一个 Apache 2.0 许可的端侧多模态嵌入模型,把文本、代码、图像、音频和视频映射到同一向量空间。该模型基于 Gemma 4 构建,通过向更大的 Gemini Embedding 2 学习并用对比训练调优,744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上,量化后的文本权重占用约 191MB 活跃内存,完整多模态模型约 567MB,上下文窗口扩大 4 倍至 8K tokens,可容纳约 5.5 分钟音频、29 张图像或 58 帧视频;直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54,高于先转写再检索的 57.59,代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。目前尚无后续进展。
匹配字段摘要
Anthropic于2026年10月30日升级Claude移动应用,在iPad和iPhone Duo上,生成内容改为在聊天旁打开。同一批更新中,iOS与Android版支持多账号同时登录并免登出切换;Chromebook、Googlebook和折叠屏设备新增可调侧边栏、触控板与右键支持及键盘快捷键;iOS与Android语音模式响应更快、嘈杂环境识别更准确,iPhone语音模式接入Apple CarPlay。凤凰科技报道还提到Claude新增24种语言、累计支持33种语言。
匹配字段摘要
2026年10月30日,Shobhit Banga发布双轨对话数据集Joy,包含10万小时真实、非脚本化的双人对话,每人在独立音轨,覆盖5万名说话人和10种语言。Rohan Paul在同日报道中指出,当前语音AI主要用LLM编写、TTS朗读的虚假对话训练,听不到人们互相抢话,他对这些对话如何维持10到20分钟感到好奇。目前该数据集已发布,尚无后续开发进展。
匹配字段摘要
fal于2026年10月28日宣布,VEED Dubbing已上线fal平台。据fal发布的信息,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。目前尚无后续发展事实。
匹配字段摘要
2026年10月29日,面壁智能(OpenBMB)展示了一个由面壁智能大使 @emwstudio 开源的 ESP32-S3 座舱式姿态仪项目。该项目用 MiniCPM5-2B 生成塔台回复、VoxCPM2 合成语音;设备通过 Wi-Fi 把按键说话音频送到 Mac 端流水线,由 Qwen3-ASR 本地识别,回复音频再流回设备扬声器。塔台会结合高度、速度、航向、俯仰和滚转等模拟飞行数据,指出请求与仪表读数的不一致。目前该项目处于开源展示状态,尚无后续进展披露。
匹配字段摘要
Sarvam AI 正向马哈拉施特拉邦 2500 名政府官员推广其 Indus Cowork 工具,用于起草文件、分析报告、汇总档案和检索政府记录。据 Analytics India Magazine 报道,该工具于 10 月 28 日由首席部长 Devendra Fadnavis 发布。该邦今年 8 月批准了 Sarvam 的主权 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
Raven Resonance已开启Raven Prism全彩AR眼镜的预订,订金49美元可全额退还,首批预计2027年1月开始发货。据VR陀螺报道,该设备基于Linux的RavenOS独立运行,搭载全彩LCoS光波导显示和四核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。目前该故事尚无后续发展事实。
匹配字段摘要
Google发布Gemini for Home十月第二次更新,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”的问题。此次更新还修复了智能显示屏上YouTube TV语音指令的可靠性、跨房间调音量时误改当前设备,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
9to5Mac报道,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。其中,Siri Recap由Apple Intelligence生成对话摘要,未保存的摘要会在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。目前尚无后续发展或官方回应。
匹配字段摘要
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。据TechCrunch AI报道,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。目前尚无后续进展披露。
匹配字段摘要
ElevenLabs在首届印度峰会上与印度卡纳塔克邦政府签署谅解备忘录,探索将语音AI用于市民服务、语音安全与声音恢复。合作将率先从申诉处理、公共热线和福利申领试点切入,覆盖卡纳达语及平台已支持的另外13种印度官方语言。ElevenLabs还将部署涵盖深度伪造检测、水印、授权和声音克隆限制的安全框架,并通过One Million Voices计划为符合条件的居民提供免费终身语音重建许可。
匹配字段摘要
2026年10月28日,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。据ElevenLabs博客介绍,Cue覆盖90多种基准语言,单次可处理任意长度录音,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。目前尚无后续发展信息。
匹配字段摘要
2026年10月27日,乐奇Rokid在杭州发布全彩AI眼镜Rokid Color与交互戒指Rokid Ring,同场还推出乐奇AI眼镜二代。据VR陀螺报道,三款产品售价分别为4999元起、1699元和3699元;Rokid Color采用三色合光全彩Micro-LED加衍射波导方案,视场角25°、分辨率500×380、最大亮度1000 nits,整机重55g。Rokid Ring由乐奇Rokid联合MythLink打造,支持食指点击、滑动、旋转和响指等微手势配合眼镜操作,并具备心率、血氧、体温等健康监测功能。同日,乐奇Rokid与千问办公宣布合作,千问办公正式接入乐奇AI眼镜,用户可在“Rokid AI”App智能体商店添加并绑定账号后,用语音唤起并下发任务、在眼镜端查看结果。
匹配字段摘要
Apple发布iOS 27.2和iPadOS 27.2。据MacRumors Apple Intelligence报道,iOS 27.2中Image Playground生成的图像和部分经Apple Intelligence编辑的照片会嵌入Google的SynthID水印,该水印在像素层面标记AI生成内容,不影响画质,设计上可经受裁剪、滤镜和压缩;实测Extend和Reframe编辑后的图像带水印,Clean Up小范围编辑未加水印、较大编辑才加,iPhone上没有检测入口,需通过SynthID Detector网站查看。另据heise online报道,iOS、iPadOS和macOS 27.2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
Vapi于2026年10月26日上线流量拆分功能,可将呼入和呼出通话流量按0.1%、1%或5%等比例分配给不同版本的语音智能体,验证后再全量发布。该功能支持按来电者身份保持版本粘性,官方建议先做两路拆分,每次只改一个变量。此前发布新版本会把100%流量立即切过去,团队因此不敢频繁迭代。目前该功能已推出,尚无后续发展信息。
匹配字段摘要
MIT教授Paris Smaragdis的研究组提出要让机器具备超越人类的听觉能力,并将这一目标用于语音识别、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。目前该方向仍处于研究推进阶段,尚无后续进展披露。
匹配字段摘要
新加坡厂商Brilliant Labs于当地时间10月27日发布Halo AI眼镜,售价399美元。该设备采用全彩Micro-OLED显示屏,搭载自研AI助手Noa,支持实时语音交互与长期记忆,围绕Ask、Make、Play三种体验展开,其中Narrative系统可将现实活动转化为可实时调整的互动游戏。硬件与软件均采用开源设计,以端侧AI处理为核心,整机重量略高于40克,官方称最长续航14小时。另据Unite.AI报道,Noa和miniapps设有每日使用上限,Noa Plus每月9.99美元、Noa Pro每月39.99美元,公司同时宣布获得Goodwater Capital投资,未披露金额。
匹配字段摘要
Astropad于2026年10月27日发布Workbench 1.4更新。据9to5Mac报道,该版本新增内置终端,用户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;同时原生支持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,无限访问为每月14.99美元或每年79.99美元,需macOS 15、iOS 26或iPadOS 26及以上。目前尚无后续发展信息。
匹配字段摘要