Serve AI 把原本跑在 Retell 上、拥有 224 个节点和 600 多条边的对话流程图，重写为 LiveKit 上的单提示词智能体，并用 Agent Simulations 将约 100 通真实生产通话转为测试场景，迭代 10 到 15 次后达到 98% 通过率、中位轮次延迟 1.3 秒（上限 1.5 秒）。上线后该智能体相比 Retell 提升 15% 的 containment，Serve 估算每年为客户多省 32 万美元，首个账号迁移耗时一周且无回滚。
匹配字段标题
LiveKit 发布 Agent Simulations，用 LLM 驱动的模拟用户跑完整个场景，再由 LLM 裁判按自定义预期给出通过或失败及原因，现已面向所有 LiveKit Cloud 项目开放。该功能按任务而非逐轮对话测试，CLI 可读取智能体代码自动生成场景，文本模式默认运行且可在每次 pull request 时执行，音频模式覆盖背景噪声、打断和附和声，按更高费率计费。Serve AI 曾用它在切换流量前以一百通真实生产通话验证一次完整的智能体重写，10 月前免费使用。
匹配字段标题
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点覆盖阿联酋方言、阿拉伯语方言、现代标准阿拉伯语和英语。在 Open Universal Arabic ASR Leaderboard 的六个测试集上，其平均 WER 为 20.92%，比该榜单快照中最佳公开结果好 2.25 个百分点；内部阿联酋方言评测中 WER 为 22.73%、CER 为 10.19%，WER 比 Qwen3-Omni 低 4.07 个百分点。模型用同一套权重支持英语、法语、西班牙语和葡萄牙语，无需指定语言，并支持词级时间戳，已在 Hugging Face Demo Space 开放试用，API 与原生应用尚在计划中。
匹配字段标题
我们暂时对所有用户关闭 Grok 语音模式，以解决一个问题，很快就会重新对所有人开放！
匹配字段标题
AWS 发布方案，用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova 2.5 Sonic 为航空公司应用搭建语音旅行助手，旅客可通过语音查询行程、改座位、更新餐食偏好和咨询政策。方案通过 AgentCore Gateway 以 MCP 连接后端，用 Strands Agents 框架托管在 AgentCore runtime，并支持转接人工客服。前端由 AWS Amplify 托管，后端使用 Lambda、DynamoDB 和 API Gateway。
匹配字段标题
Alexander Embiricos 转发了 Atty Eleti 关于 Dot 语音的反馈与改进计划：用户反映连接慢或失败、电话式交互体验、无法查看转录或摘要、"Checking" 提示过多、有时静默无更新。团队将提升连接速度与可靠性、保留电话式交互但做到即时、在 UI 中加入转录和摘要、增加"Checking"的多样性并最终对快速问题移除该提示、增加更规律的进度更新。
匹配字段标题
Artificial Analysis 的 Provider Voice TTS Arena 榜单显示，ElevenLabs 的 Eleven v4 Turbo 以 Elo 1,334 排名第一，超过 Eleven v4 的 1,321、阿里 Qwen-Audio-3.1-TTS-Plus 的 1,292 和 Cartesia Sonic 3.6 的 1,278。其定价为 $40/1M 字符，是 Eleven v4（$80/1M 字符）的一半，生成速度为每秒 96 字符，高于 Eleven v4 的 84 和 Eleven v3 的 59。在 Controlled Voice 分项中它以 Elo 1,173 排名第二，发音稳健性得分 90.1%。
匹配字段标题
Eleven v4 Turbo 上的示例提示词：“感谢您的耐心等待。我现在帮您调取详细信息……好的，我看到您的包裹今天早上 6 点左右离开了仓库，预计上午 10 点到 11 点之间送达。”
匹配字段标题
在 Controlled Voice Arena 中，所有模型都使用相同的克隆声音进行对比，Eleven v4 Turbo 在阿拉伯语（1,356）、德语（1,428）、印地语（1,291）和英语（英国）中排名第 1，在西班牙语、日语、葡萄牙语、普通话和英语（美国）中排名第 2。 在 9 个非英语语言排行榜中，Eleven v4 Turbo 在阿拉伯语、德语和印地语上领先于 Eleven v4。
匹配字段标题
查看 Artificial Analysis Provider Voice TTS 排行榜上的顶尖模型：https://t.co/FIBZnhfIuZ 在 Speech Arena 中为模型投票：https://t.co/RQI6TUfni7 在 Speech Explorer 中探索示例片段：https://t.co/jf5GJ541oT
匹配字段标题
LiveKit 从四个工程问题对比 Retell、Vapi 与 LiveKit 三款语音 AI 智能体平台：是否需要在发布后持续迭代、需求超出默认配置时如何改动、是否要支持电话之外的 Web、移动、视频、设备或 WhatsApp，以及规模化成本。Retell 靠滑块和字段配置，Vapi 靠 PATCH assistant 与 schema，LiveKit 则把开源 Agent 框架放进开发者自己的代码仓库。按公开定价估算，LiveKit 全包成本约从 Gemma 4 31B、AssemblyAI Universal-Streaming 与 Fish Audio S2.1 Pro 组合起，到 GPT-5.5、AssemblyAI Universal-3.6 Pro Streaming 与 Cartesia Sonic 3.5 的高配方案。
匹配字段标题
dominik kundel 表示自己已多次这样使用：Dot 在后台持续语音运行，双方在需要对方输入时再沟通，他认为这是一种很棒的交互方式。他是在回应 Phil Hedayatnia 关于 Dot 上线后让 Dot 在后台处理任务、需要建议时通过语音联系自己的分享。
匹配字段标题
AI 音乐生成器 Suno 新增 Speech 功能，可将口播文本与匹配的背景音乐合成为一条音轨，用户输入想法或文字并描述想要的音色与音乐风格即可生成。Suno 产品负责人 Jack Brody 表示该功能已在小范围测试一个月，可用于诗歌、冥想和睡前故事，但 beta 版仍有 bug，例如英式口音有时会听起来像澳式口音。
匹配字段标题
微软 AI 发布首款流式语音转文字模型 MAI-Transcribe-2-Streaming，支持 60 种语言并自动连续检测语种，在收到音频后 100 毫秒出头即输出首个部分转写结果。Artificial Analysis 的 AA-WER Streaming 测试显示，其最终转写与首个部分转写均为 2.5% WER，在 38 个模型中均排第一，最终结果延迟 0.13 秒。该模型定价为每小时音频 0.54 美元（2026 年底前的尝鲜价），可通过 Realtime API 或 Azure Speech SDK 接入，目前为公开预览，无 SLA 且未开放权重。
匹配字段标题
AI 音乐生成平台 Suno 上线语音生成功能，目前以公开测试形式在网页端和移动端开放，可同时生成配音与背景音乐并合成为一条音轨。该功能提供 Simple 和 Advanced 两种模式，前者通过提示词描述场景，后者支持自定义脚本并调整 AI 声音性别、语音风格和生成多样性，最长时长约 8 分钟。Suno 首席产品官 Jack Brody 表示测试版仍不完善，将根据用户反馈持续改进。
匹配字段标题
dominik kundel 表示，多亏了 dot，他在通勤途中完成了大量工作，包括排练演讲；而常规语音模式一直不太适合他。被引用的 Alexander Embiricos 则提到自己也喜欢通勤时用 dot 语音通话，并称用户对通话 UI 的反馈褒贬不一。
匹配字段标题
Robleh 分享通勤堵车时用 dot（dottie）语音配合 Google Doc 完成主要任务，称语音连接应用后体验极佳，并喜欢其仿电话通话 UI。Alexander Embiricos 回应称自己也很喜欢通勤时用 dot 语音通话，并提到通话 UI 收到的反馈褒贬不一。
匹配字段标题
Suno 转发了一条讨论：语音与背景音乐一次性生成看似简单，难点在于两者保持时间上的一致，两个生成器争夺同一时间线通常会互相干扰；如果音乐能围绕人声真正地压低、渐强和点缀，而不是事后贴上去，对实时音频是实质性进步。Suno 回应称“谢谢，我们非常努力”。
匹配字段标题
立即体验 Speech。现处于 Beta 阶段，仅在 Suno 上线。 （而且 beta 真的是 beta。有时英国口音听起来更像澳大利亚口音，或者戏剧性停顿会非常非常戏剧化。这会随时间改进。）
匹配字段标题
Suno 宣布 Speech 功能进入 Beta，称其为首个能在生成语音的同时配上匹配背景音乐的模型，用户更新 App 即可使用。官方示例包括用 Gen Z 俚语朗读《奥德赛》中的塞壬段落、用维多利亚时代英语请求室友洗碗。Suno 提醒 Beta 阶段仍有不足，例如英国口音有时听起来更像澳大利亚口音，戏剧性停顿可能过于夸张，后续会逐步改进。
匹配字段标题