搜索“语音”

dots 更新:iOS/Android 创建 dot 并直达 ChatGPT

dots 于 2026 年 10 月 13 日迎来一批更新。据代表来源报道,用户可在 iOS / Android 上创建 dot 并直接打开 ChatGPT,还能启动 Codex 任务、结合聊天与 Codex 线程及自动化上下文跟进,并查看和编辑 Scheduled Tasks。同一批更新还包含多项修复:更快的云端浏览与侧边栏加载、更少重复通知、更干净的代码块与附件、修复 Safari / Firefox 字符渲染,以及 Enterprise 网页与语音访问修复。目前尚无后续发展事实,状态以该次更新为准。

Ethan Mollick建议立即启用双因素认证等防护措施

2026年10月13日,Ethan Mollick提出建议,呼吁人们立即启用双因素认证、与家人共享密码等防护措施。他警告称,AI的进步意味着用复杂攻击大规模针对个人的成本正在下降,因此如果尚未在所有账户上开启双重验证、也未与家人共享密码以防接到索要钱财的语音电话,现在正是采取行动的好时机。目前该建议仅有其本人发布这一来源,尚无其他独立报道或后续发展。

FireRedTeam 发布级联系统模型与服务

2025年9月16日,FireRedTeam 发布级联系统所需的 pVAD、turn-detector 模型以及 FireRedTTS1、FireRedASR 服务。据其原创项目介绍,这些组件用于 FireRedChat 全自托管全双工语音交互方案,该方案集成 TTS、ASR、pVAD 和 EoT,无需依赖外部 API,数据不出本地;系统由 LiveKit RTC Server、AI-Agent Bot Server、WebUI、Redis、TTS Server 和 ASR Server 组成,LLM 需自行部署,可用 Ollama、vLLM 或 Dify,项目采用 Apache-2.0 许可。目前没有后续发展事实。

FireRedTeam 发布 FireRedASR2S 及权重与推理代码

2026年2月12日,FireRedTeam 发布一体化语音系统 FireRedASR2S,并放出模型权重与推理代码。该系统包含 ASR、VAD、LID、Punc 四个模块,各模块均称达到 SOTA,且可独立使用。其中 FireRedASR2 支持中文(普通话及 20 多种方言口音)、英文、中英混说以及语音和歌声转写,在 4 个普通话公开基准上平均 CER 为 2.89%,在 19 个中文方言口音基准上为 11.55%,均优于 Doubao-ASR、Qwen3-ASR-1.7B、Fun-ASR 和 Fun-ASR-Nano-2512。FireRedVAD 支持 100 多种语言的语音、歌声和音乐检测,F1 为 97.57%;FireRedLID 覆盖 100 多种语言和 20 多种中文方言,准确率 97.18%;FireRedPunc 中英文标点预测平均 F1 为 78.90%。技术报告见 arXiv。目前尚无后续发展事实。

FireRedTeam 发布 FireRedAudio 代码与模型

2026年8月21日,FireRedTeam 发布 FireRedAudio 的代码与模型。据其原创项目说明,FireRedAudio 是一个基于共享 9B 参数 LLM 的通用音频语言模型,采用解耦的连续表示,Audio Encoder 负责理解、RedAE 通路负责生成。该单模型覆盖 ASR、音频理解、零样本 TTS、Instruct TTS、语义与声学语音编辑,并支持对最长约一小时录音做精确时间对齐。项目以 Apache-2.0 许可发布,需 Python 3.10 与 uv,默认面向 CUDA 12.8;除 ASR 外,语音生成与音频理解仅支持中英文。目前尚无后续发展事实。

FireRedTeam 发布 FireRedTTS3 及 Gradio 演示

2026年8月13日,FireRedTeam 发布 FireRedTTS3,并同步发布 FireRedTTS3 Base 与 Instruct 的 Gradio demo。据其原创项目介绍,FireRedTTS3 是一个基于语义增强连续语音表征的统一语音生成与编辑系统,包含 Base 和 Instruct 两个版本。Base 支持 24 种语言和 21 种中文方言的零样本语音克隆,在 MiniMax-MLS-Test 上平均 WER/CER 为 3.754%、说话人相似度 84.8%;Instruct 支持自然语言语音设计以及语义、声学语音编辑。模型已在 Hugging Face 和 ModelScope 开放下载,采用 Apache-2.0 许可。目前尚无后续发展事实。

Looktech推出集成EEG脑电传感器的新一代AI眼镜

2026年10月,Looktech在SILMO 2026国际眼镜展上推出新一代AI智能眼镜,该产品集成EEG脑电传感器,官方称其为全球首款脑机接口AI眼镜。据VR陀螺报道,产品搭载物奇微WQ7036智能音频主控芯片,采用RISC-V、高性能DSP及低功耗架构,支持TD-VAD+GMM-VAD+KWS三级语音唤醒、通话上行降噪及低功耗蓝牙音频连接,可为语音交互、智能识图和多语言实时翻译等功能提供支持。目前该故事尚无后续发展事实,状态为active。

模思智能宣布完成超10亿元Pre-A轮融资

2026年10月12日,上海大模型公司模思智能(MOSI)宣布完成超10亿元Pre-A轮融资。据智东西报道,本轮由华控基金领投,国开科创、上海科创基金等参与,老股东元禾控股等持续投资,资金将用于全模态实时交互智能研发与全球商业化落地。报道称这是该公司今年第二次官宣融资,3月曾完成由IDG资本领投的数亿元天使轮。模思智能孵化于复旦大学邱锡鹏团队的OpenMOSS,2026年以来已发布20多个模型,覆盖语音、音频、视觉理解与内容生成,并即将推出全模态实时交互系统MOSS Live。目前尚无后续发展事实。

Naver宣布与谷歌、三星、Meta合作提供AI眼镜地图导航

Naver宣布与谷歌、三星及Meta合作,在AI眼镜上提供Naver地图导航服务。用户可通过语音接收导航,无需查看手机屏幕。该功能将先应用于Ray-Ban Meta和Oakley Meta,并计划用于谷歌与三星预计年内发布的智能眼镜。Naver还将推出AI眼镜专用语音通话功能,支持询问预计到达时间、查找附近便利店等。目前尚无后续发展事实。

Sierra发布fleming-1检测AI来电

2026年10月9日,Sierra发布fleming-1模型,可实时分析通话语音、判断来电者是否为AI智能体,并默认采取保守策略以避免误标真人。该模型适用于任何基于Sierra构建的语音智能体,只需开启即可使用。同日Sierra还宣布正与行业伙伴共同开发开放标准Personal Agent Protocol,让个人智能体获得经授权的企业对接方式。10月10日,Sierra发布Personal Agent Protocol草案(代号Poppy),并公布新增35家设计伙伴,包括OpenAI、Visa、Mastercard、PayPal、Target、Notion、Cloudflare、ElevenLabs等。该协议定义发现、会话、登录、跨渠道统一会话和任务执行五个模块,基于OAuth、JWT、HTTPS、OpenAPI和MCP构建,商家可通过现有网站、API或自有智能体与个人智能体协作。Sierra称此前已与Meta、Genesys、Shopify、Stripe、Walmart等宣布该协议,现邀请更多公司阅读草案并参与设计。

苹果推出第三代 Apple Foundation Models,含五款模型

2026年10月10日,Apple 推出第三代 Apple Foundation Models(AFM),共五款模型,覆盖端侧与运行在 Private Cloud Compute 上的服务器模型。端侧包括 30 亿参数的 AFM 3 Core 和 200 亿参数、稀疏架构的 AFM 3 Core Advanced,后者每次仅激活 1 至 40 亿参数;服务器端包括 AFM 3 Cloud、图像模型 ADM 3 Cloud 和 AFM 3 Cloud Pro。评测显示,AFM 3 Core 在通用文本上获得 45.6% 的偏好率,AFM 3 Cloud 为 64.7%,AFM 3 Core Advanced 的语音合成 MOS 得分为 4.15。目前尚无后续发展事实。

ElevenLabs讲解会议转录API搭建

2026年10月8日,ElevenLabs发布教程,讲解如何搭建基于Scribe v2系列的会议转录API。据其官方博客介绍,该方案提供Scribe v2与Scribe v2 Realtime两款语音模型,支持90多种语言。其中Scribe v2 Realtime实现音频输入到文本输出150毫秒低延迟,支持最多50个关键术语提示;Scribe v2则用于会后批量转录,准确率更高、成本更低。企业用户还可启用Zero Retention Mode满足隐私要求。目前该故事尚无后续发展事实。

ElevenLabs上线OpenRouter,带来9个TTS与2个STT模型

2026年10月7日,ElevenLabs上线OpenRouter,提供9个文本转语音(TTS)和2个语音转文本(STT)模型。据OpenRouter公告,其中Eleven v4可输出带人类情感的语音,v4 Turbo为智能体提供低延迟回复,Scribe v2能把会议转成标注发言人的笔记。目前该事件没有后续发展事实,状态停留在上线当日。

Sierra与Meta发布Personal Agent Protocol

2026年10月7日,Sierra宣布与Meta及Genesys、Instinct、Rocket、Shopify、Stripe、Walmart等合作方共同开发并发布Personal Agent Protocol开放标准,用于定义个人智能体与商家交互的方式,并开放给任何人实现。该协议基于OAuth构建会话,消费者决定授予智能体只读或写入权限,企业则设定智能体可通过网站、基于MCP和OpenAPI的API或企业自有智能体执行哪些操作。Sierra表示后续可能加入更细粒度的权限、推送通知和支付扩展。同日,Sierra在旧金山Sierra Summit 2026上发布Agent OS新增模型Curie与Fleming,并推出Tandem Voice语音方案、Persona Studio声音定制工具,同时提及该协议。目前尚无进一步发展。

Descript 介绍 Studio Sound 一键去除背景噪声

Descript 介绍其 Studio Sound 功能,可一键去除背景噪声、混响和麦克风噪声。据 Descript 官方产品更新于 2026 年 10 月 10 日发布的文章,该功能的机器学习模型会先提取语音内容,再重新合成,从而模拟在录音棚中录制的效果。文章还对比了 AI 降噪、噪声门和 EQ 三种方法,并介绍了录音前选择安静环境、使用合适设备等减少噪音的做法。目前该故事没有新的发展事实,状态停留在这一功能介绍。

消息称Apple HomeHub因Siri改进而得以发布

2026年10月9日,X.PIN援引知情人士消息报道,Apple新款HomeHub因Siri在LLM加持下改进而得以发布。报道称,该产品内置的homeOS多年前就已完成,真正拖住产品的是Siri;由于HomeHub以语音为核心交互,Apple智能家居硬件团队此前不愿放行一款主界面为Siri的设备,因为Siri多年表现不佳。大语言模型让Siri在理解自然语音上明显改善后,团队才认为时机成熟。报道还称,该产品将于10月13日与LG的智能家居合作一同发布。目前尚无后续发展事实。

Dan Shipper 分享使用 OpenAI Dots 的体验与判断

2026年10月8日,Dan Shipper 分享了他和 Every 团队使用 OpenAI Dots 的体验与判断。据其描述,Dots 上周发布后已在 Every 团队内部广泛使用,可代查 Slack 消息、从学校邮件中提取信息、标记账号访问请求,并支持语音远程操作。Dan Shipper 认为,Dots 与 Muse、Instinct、Grok bots 功能大致持平,但接入 ChatGPT 生态是实际优势。他同时指出,权限审批重复、批准后仍无法执行的问题仍待修复。目前该故事没有后续发展事实。

LiveKit Agent Simulations 正式可用

LiveKit 正式发布 Agent Simulations 语音智能体测试功能

查看事件：LiveKit 正式发布 Agent Simulations 语音智能体测试功能

ElevenLabs上线OpenRouter

OpenRouter 上线 ElevenLabs语音模型

查看事件：ElevenLabs语音模型上线OpenRouter

ElevenLabs上线OpenRouter

OpenRouter 上线 ElevenLabs语音模型

查看事件：ElevenLabs上线OpenRouter,带来9个TTS与2个STT模型