2026年9月24日,TechCrunch AI 刊文分析 ElevenLabs 联合创始人兼 CEO Mati Staniszewski 的采访内容。报道称,Staniszewski 透露公司 ARR 达 6 亿美元,55% 以上来自企业客户,投资方对其估值据报道达 220 亿美元。他表示不介意毛利率被进一步压缩以换取市场份额,并认为当下企业应披露对话方是 AI 智能体。报道还提到 Klarna、Deutsche Telekom、Cisco、Adobe 及多国政府均在使用其语音模型。目前该故事尚无后续发展事实。
匹配字段摘要
Google发布Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking两款实时对话音频模型,即日起通过Gemini API、Google Workspace和Gemini应用开放。据Google DeepMind介绍,Gemini 3.8 Live Extended Thinking在Artificial Analysis语音到语音质量指数得82.6分排名第一,τ-Voice智能体任务完成率68.6%,Big Bench Audio得97.7%;Gemini 3.8 Live在Speech Agent Arena排名第二。两款模型支持近实时视觉输入、对话中自动切换97种语言,并可在后台执行工具和API调用而不打断对话。9月18日,Google展示用Gemini 3.8 Live Extended Thinking构建的工作坊助手演示,可分析工作区、出声推理并引导搭建过程。9月21日,Google又演示了用该模型构建的编程辅导Agent,能查看用户屏幕、通过function calling引用p5.js库并讲解代码逻辑。
匹配字段摘要
2026年9月21日,Tripo展示使用Tripo P2.0生成3D资产与VRM模型的工作流。据Tripo发布的信息,该演示为Jev x Tripo x Astra实战演示,展示使用Tripo P2.0生成3D资产和VRM模型,并结合Jev驱动语音激活战斗与逻辑的流畅工作流,可玩demo链接见下方推文。目前没有后续发展事实,状态停留在该次展示。
匹配字段摘要
2026年9月19日,Atlassian在Loom中使用了Transcribe 2.0语音转录功能,并支持将转录内容直接导出至Cursor进行编码。据该消息描述,Atlassian发现Transcribe 2.0在捕捉用户指令方面更为准确,用户可通过Loom口述变更请求,再导出到Cursor完成编码。目前尚无后续发展事实,该事件仍处于这一状态。
匹配字段摘要
2026年9月16日,ElevenLabs旗下ElevenAgents推出AI前台Reception,面向小企业全天候接听来电、回答业务问题并在日历中预约。据ElevenLabs官方博客介绍,该产品内置ElevenLabs语音与智能体编排,几分钟即可完成设置、无需技术经验,可转发现有业务电话或使用专用号码,并提供通话摘要、转录和录音。目前没有后续发展事实,产品处于发布状态。
匹配字段摘要
2026年9月16日,StepFun(阶跃星辰)发布StepAudio 3系列音频模型,其中包含音乐生成基础模型StepAudio 3 Music。据官方信息,该系列共5款音频模型,覆盖实时语音、语音识别、语音生成、音频生成和音乐。官方同时披露了系列中其他模型的表现:Realtime在Artificial Analysis的Conversational Dynamics和Speech Reasoning两项分别达到98.9%和99.7%,均排名第一;ASR的词错率为1.7%,与榜单最好成绩持平。官方称该系列可用于构建能处理打断、边说话边推理并调用工具的语音智能体,现已通过Voice AI Lab和博客开放,API亦已开放。目前尚无后续发展事实。
匹配字段摘要
2026年9月14日,ElevenLabs 扩展其 MCP 连接器的能力,新增语音、音乐、图像及视频生成。据 ElevenLabs Blog 同日发布的信息,用户通过一次安装和 OAuth 登录,即可在 Claude、ChatGPT、Cursor、Grokbot、Hermes 等助手中生成语音、转录、配音、音乐、音效、图像和视频,所有产出进入 ElevenCreative 工作区。该连接器调用超过 50 个模型,无需自建服务器或管理 API 密钥,且与驱动 ElevenLabs Agents 的 MCP 为同一个,已连接过的团队无需额外设置。工作区管理员可决定连接可调用的工具,数据驻留地在连接时选择。目前尚无后续发展事实。
匹配字段摘要
2026年9月9日,LiveKit 产品与工程博客发文,解释语音智能体日志中出现的“inference is slower than realtime”警告。文章指出,该警告指的是智能体进程内的 VAD 模型处理 32ms 音频窗口超时,与 LiveKit Inference 的 STT、TTS、LLM 无关;警告中的延迟表示 VAD 落后实时音频的时长,Python 以秒、Node.js 以毫秒上报。修复建议包括升级到最新版 LiveKit Agents 与 turn detector、使用 AgentSession 默认内置的 inference VAD,并排查阻塞事件循环与 CPU 负载。
匹配字段摘要
2026年9月8日,ElevenLabs宣布,前Adyen首席财务官Ethan Tandowsky加入公司担任首席财务官,负责扩展财务基础设施,并规划对研发、产品及全球扩张的投资。公司称,其全球团队目前有800人,语音与音频AI模型支持超过90种语言,已推出1000万个对话式AI智能体;大型组织贡献的收入占比已由上年同期的40%升至55%。
匹配字段摘要
2026年1月以来,Vimeo客户已通过AI为超过2.5万个视频完成约140万分钟配音,超过27%的企业账户尝试过该功能,平均每个视频覆盖3.3种目标语言。9月7日,Vimeo进一步集成ElevenLabs Dubbing,将转录、翻译、声音克隆和语音合成整合为单一流程,支持40种目标语言。创作者可编辑文本轨道,并在发布前检查和调整配音结果。
匹配字段摘要
2026年8月26日,Google DeepMind发布Gemini 3.5 Transcribe语音转文本模型,面向实时转写场景,已在Gemini API、Google AI Studio和Gemini Enterprise Agent Platform向开发者开放。据官方信息,该模型相比此前的Chirp 3,最终转写时间据Artificial Analysis测量提升70%,在FLEURS基准上流式模式WER为5.50%、非流式模式为5.04%,并支持多说话人区分、词级时间戳和实时语言切换。该模型同时接入Gboard、Antigravity、Gemini app和Chrome等产品,LangChain、LiveKit、Vercel等平台通过Gemini Live API提供支持。次日,Google AI Developers进一步说明其面向代码场景的能力:可在转写时过滤口语中的犹豫停顿,并依据当前上下文精确对齐技术术语、文件名和代码变量,还通过视觉偏置为复杂开发者工作流提供屏幕感知上下文。目前该模型已开放构建入口。
匹配字段摘要
2026年9月19日,Qwen 推出新一代实时同声传译模型 Qwen3.8-LiveTranslate。据官方发布信息,该模型基于 Interleave 架构,在 60 种语言上把平均延迟(LAAL)从 2.8s 降到 2.3s,并提升忠实度、流畅度和简洁度。新能力包括实时说话人分离,可在多方语音中区分说话人,并通过更稳定的声音克隆保留各自音色;双语同步显示,原文与译文同屏呈现;长上下文消歧,利用对话历史澄清人名和术语以保证译文一致。模型已在 QwenCloud 上线,官方同时给出博客和案例链接。目前尚无后续发展事实。
匹配字段摘要
Atlassian 在Loom中使用 Transcribe 2.0语音转录并导出至Cursor
English translation is being prepared.
匹配字段摘要
2026年8月26日,Tata Communications 客户交互套件全球负责人 Gaurav Anand 提出,企业 AI 战略重心正从自动化转向编排。他指出,企业在消息、语音和数字渠道快速部署 AI 智能体、语音 AI 与自动化,但多数只是把对话式 AI 硬接到并非为此设计的遗留系统上,真正集成、可扩展并支持无缝编排的平台很少。他认为企业需要共享的企业本体与上下文层,让 AI 智能体、应用和人工坐席基于同一套客户与业务理解协同工作。Tata Communications 的应对方案是 Interaction Fabric 编排层,统一联络中心、消息、协作、AI 与客户数据,并实时协调 AI 智能体、渠道和企业系统。目前尚无后续发展事实。
匹配字段摘要
2026年9月18日,David Singleton 评价 Muse 在 iOS 上的操作按钮集成,称其是让 Muse 替你做事最快的方式,甚至可以直接从锁屏使用,并称其“太棒了”。他引用的帖子介绍,该快捷方式会自动打开语音转写,按住说话、再按发送,可仅用操作按钮与 Muse 连续对话。目前没有后续发展事实,事件仍停留在这一评价与集成说明。
匹配字段摘要
2026年9月15日,Google宣布为Gemini Notebook陆续新增功能。据gihyo.jp报道,Android与iOS应用将支持针对已注册资料源的实时语音对话,覆盖近100种语言,发布当周起向18岁以上的Google AI Ultra订阅者开放,随后扩展至Google AI Pro;录音功能于次周上线。报告功能新增「学习の概要」,可在摘要中嵌入图解、测验与闪卡,测验新增短答、多选、填空形式,数周内面向全部用户推出。目前尚无后续发展事实。
匹配字段摘要
ElevenLabs 扩展 MCP语音、音乐、图像及视频生成能力
English translation is being prepared.
匹配字段摘要
Allegro 部署 ElevenAgents语音客服至三条配送热线
English translation is being prepared.
匹配字段摘要
2026年9月2日,Meta Superintelligence Labs 推出其首个实时音频感知模型 Muse Voice Transcribe。据官方发布信息,该模型支持实时流式 ASR、20 人以上说话人分离和端点检测,具备多语言与无缝语码切换能力,并可通过语言、关键词和上下文偏置提升准确率。它属于 Muse Spark 系列的自回归多模态 LLM,音频按 80ms 分块(12.5 Hz)逐 token 处理,结合词错误率和延迟奖励的强化学习实现自适应延迟。该模型在 ArtificialAnlys 流式语音转文字和公开说话人分离基准上排名第一,并已在 Meta Model API、Meta AI for Mac 和 Muse Code 上线。目前尚无后续独立发展事实。
匹配字段摘要
Google DeepMind 发布 Gemini 3.5 Transcribe语音转文字模型
English translation is being prepared.
匹配字段摘要