极米记得AI记忆眼镜G1与手环L1正式开售
极米记得AI记忆眼镜G1与AI记忆手环L1于10月28日正式开售。据VR陀螺报道,手环L1标准版售价599元,眼镜G1标准版首发价1299元。两款设备共用极米记得App与同一套AI记忆服务,开机即录,可将日常交流转写并自动生成会议纪要、待办事项和生活卡片。数据管理上采用只留文字不留原音的方式,语音转写完成后删除原始音频,并支持设置免录时段和隐私禁词。目前暂无后续发展信息。
匹配字段摘要
←搜索结果
搜索“语音”
Neuralink团队72小时开发8个脑机接口功能
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
Joy发布10万小时无脚本双人对话数据集
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
ChatGPT为dot上线短信交互功能
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
Sarvam AI向马哈拉施特拉邦2500名官员推广Indus Cowork
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
ElevenLabs发布强制对齐模型Cue
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
乐奇Rokid发布全彩AI眼镜Rokid Color与交互戒指Rokid Ring
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
Brilliant Labs发布399美元Halo AI眼镜
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
腾讯混元开源中英同传模型Hy-SimulMT
2026年10月26日,腾讯混元开源实时中英同声传译模型Hy-SimulMT,延迟约3秒,支持实时语音克隆,模型已在Hugging Face、ModelScope和GitHub发布。腾讯混元官方称其表现优于多数开源模型和商业API。次日IT之家报道,该模型支持中英语音到语音实时翻译,已在腾讯Hy翻译App免费上线;官方称响应时间实测约3秒,人类专业译员平均为4至5秒。在长音频开源评测集RealSI上,该模型在最低延迟下取得开源模型最佳效果,并称超过大多数商用同传API;在与6位CATTI持证同传专家的对比中,其翻译质量得分更高、时延更低。
匹配字段摘要
特斯拉宣布正自研基于AI的地图导航系统
2026年10月25日,特斯拉宣布正在自研一套基于AI的地图导航系统。据凤凰科技当日报道,特斯拉副总裁阿肖克·埃卢斯瓦米在财报电话会议上确认了这一消息,并称该系统将随FSD v15上线。他介绍,新系统采用全新架构而非另一版地图,融合车队采集数据与个性化路线规划,支持FSD语音控制;车队会自动采集街道信息并标注通行速度、停车标识、红绿灯、停车场等数据,用于解决限速识别、泊车和路线规划问题。按计划,新地图先在FSD v15的行程出发和到达阶段使用,之后数月内逐步覆盖泊车和语音控制等剩余导航能力。目前尚无后续进展披露。
匹配字段摘要
百度健康升级文心健康管家并发布好医矩阵与健康相机
2026年10月24日,百度健康宣布升级文心健康管家,同时发布「好医矩阵」和「健康相机」。据雷锋网同日报道,百度健康AI服务月活跃用户已达5000万+。好医矩阵包含好医答、好医加号、好医说、好医榜、好医评;其中好医答入驻15万+全三甲真人医生,提供7*24小时在线服务,好医加号已覆盖80%以上公立三甲医院,每天提供超12万个加号源。健康相机支持打字、方言语音、拍照和视频上传边拍边说,基于300万多模态影像素材训练,可识别动态体征与多发症状位置关系。目前该事件尚无后续发展事实。
2026年10月24日,百度健康宣布升级文心健康管家,同时发布「好医矩阵」和「健康相机」。据雷锋网同日报道,百度健康AI服务月活跃用户已达5000万+。好医矩阵包含好医答、好医加号、好医说、好医榜、好医评;其中好医答入驻15万+全三甲真人医生,提供7 24小时在线服务,好医加号已覆盖80%以上公立三甲医院,每天提供超12万个加号源。健康相机支持打字、方言语音、拍照和视频上传边拍边说,基于300万多模态影像素材训练,可识别动态体征与多发症状位置关系。目前该事件尚无后续发展事实。
匹配字段摘要
Modal推出Sticky Sessions
2026年10月20日,Modal发布Sticky Sessions,让无服务器请求在会话内固定路由到同一容器。该功能基于Modal Servers实现,开发者使用@modal.sessioned()装饰器即可创建会话;每个会话返回签名token,用于共享访问。扩缩容以活跃会话数而非请求量为单位。Modal表示,该功能面向语音智能体、共享房间和多人在线游戏等需要保持状态连续性的场景。目前仅有Modal官方工程博客这一来源,尚无后续独立报道或功能状态更新。
匹配字段摘要
Respan发布Rust开源AI网关
Respan发布用Rust编写的开源AI网关,以一个精简内核加插件的方式,替代此前围绕LiteLLM构建的10万多行封装代码。报道称,转折点是2026年1月一次常规LiteLLM升级引发间歇性连接失败,回滚后原因仍未查明,此后团队不再直接升级LiteLLM。新网关借鉴Nginx思路,把模型供应商、路由、MCP工具、实时语音和安全控制拆为插件,其中Mistral供应商插件仅22行代码;自定义插件需编译进网关二进制,并按注册顺序执行,缓存若排在安全检查之前可能绕过检查。网关目前仍为pre-alpha,可从GitHub下载预构建二进制运行。
匹配字段摘要
Elon Musk称Grok Bot可致电餐厅订位
Elon Musk 转发 Brian Roemmele 的演示,称 Grok Bot 可以打电话给餐厅并帮你订位。Roemmele 表示,自己搭建的 Grok Bot 用 Grok 语音完成通话,能自行找到餐厅电话、确认时间和姓名、复述信息后再拨号,通话结束用平实语言汇报结果,并可把预订写入日历。他还接入了 ClawCall 提供的号码,免费额度为 30 次通话或 30 分钟,并设置了不提供信用卡信息、不主动外呼等限制。目前该说法来自这一演示转发,尚无后续独立发展。
匹配字段摘要
Nvidia发布Nemotron 3.5 Super VL与Bolt模型
Nvidia于2026年10月15日宣布推出Nemotron 3.5 Super VL与面向端侧的3.5 Bolt模型。据Nvidia官方介绍,Super VL为120B参数开放模型,面向常驻智能体任务,官方称其在同类开放模型中吞吐最高,比次优模型快5倍;同时推出Bolt 74B-A9B 24GB与Bolt E4B 4GB两款端侧模型,前者可在RTX/DGX Spark本地运行智能体任务,后者面向GeForce RTX、Jetson上的语音与对话智能体。Super VL与Bolt 74B-A9B已上线Hugging Face,Bolt E4B计划于10月23日发布。同日,SGLang宣布为Super VL提供Day-0支持,在单张RTX 6000 PRO上借助MTP达到243.9 tok/s;Prime Intellect与Nvidia用GRPO在128张GB200 GPU上后训练约11小时,使其在AutomationBench-AA公开集上从34.0%提升到57.7%。当晚OpenRouter上线该模型,次日Perplexity宣布Pro和Max订阅用户及Agent API可使用。
匹配字段摘要
Bland 推出 Blandie 公开演示
2026年10月16日,Bland 推出新工具 Blandie 的公开演示。据 Testing Catalog 报道,该工具可根据企业网站内容自动创建带品牌标识的语音和短信智能体。消息以企业名称和 logo 的认证发送方形式发出,Android 走 RCS、iPhone 走 iMessage。智能体可处理预订和支付,回答基于所提供网站的内容,还能回复网站截图和图片,并可记住客户是否拨打过 Bland 的电话号码,在文字聊天中引用。目前尚无后续发展事实。
匹配字段摘要
SpaceXAI 发布 Grok Voice 3.0
2026年10月15日,SpaceXAI 发布语音到语音模型 Grok Voice 3.0。据 MarkTechPost 报道,该模型在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一,高于 GPT-Live-1(Astra, medium)的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分;其 τ-Voice 得分 71.6%,仍低于 GPT-Live-1 的 74.5%。模型通过 /v1/realtime WebSocket 端点以 grok-voice-3.0 提供,仅托管 API、无开放权重,价格维持 $0.08/分钟,首音频延迟 0.81 秒。SiliconANGLE 同日报道称,该模型已在 Voice Agent API 上线,每分钟 8 美分,与 Grok Voice 2.0 同价,并称其首次出声快约 40%。目前无进一步有证据的发展。
匹配字段摘要
德国电信开售Meta Ray-Ban Display智能眼镜
德国电信于2026年10月13日起在德国正式发售Meta Ray-Ban Display智能眼镜,裸机定价899欧元。据VR陀螺报道,该产品也可在办理或续约手机套餐时分36个月分期,例如MagentaMobil M套餐预付1欧元后每月22.1欧元,总价796.6欧元。眼镜右侧镜片搭载600×600像素彩色显示屏,集成Meta AI,支持实时字幕、实时翻译、地图导航和分步操作指引,并可通过语音与附赠的肌电神经腕带操控。眼镜本体续航最长6小时,充电盒可额外提供24小时,腕带续航18小时,使用需搭配兼容手机、Meta AI应用、Meta账号和网络连接。目前尚无进一步有证据支持的发展。
匹配字段摘要
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。
匹配字段摘要
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。
匹配字段摘要