搜索“语音”

Neuralink公开VOICE语音恢复项目早期可行性研究

Neuralink于10月28日发布博文,公开语音恢复项目VOICE的早期可行性研究。博文披露,一名渐冻症参与者在使用的第一周即达到每分钟75个单词的输出速度,在12.5万词的大词库下词错误率为5.8%。研究负责人Nader Pouratian博士已在2026年NEALS年会上介绍相关数据。该研究计划招募约6名因ALS、脊髓损伤或中风失去沟通能力的参与者,首要评估指标为植入后12个月内的设备或手术相关不良事件。Neuralink目前尚未发布经同行评审的完整论文,上述数字来自单一参与者,公司也未说明测试任务类型、文本与语音输出的分别表现及长期效果。

Neuralink公开VOICE语音恢复项目早期可行性研究

Neuralink于10月28日发布博文,公开语音恢复项目VOICE的早期可行性研究。博文披露,一名渐冻症参与者在使用的第一周即达到每分钟75个单词的输出速度,在12.5万词的大词库下词错误率为5.8%。研究负责人Nader Pouratian博士已在2026年NEALS年会上介绍相关数据。该研究计划招募约6名因ALS、脊髓损伤或中风失去沟通能力的参与者,首要评估指标为植入后12个月内的设备或手术相关不良事件。Neuralink目前尚未发布经同行评审的完整论文,上述数字来自单一参与者,公司也未说明测试任务类型、文本与语音输出的分别表现及长期效果。

查看事件：Neuralink公开VOICE语音恢复项目早期可行性研究

ElevenLabs与adELA合作向西班牙ALS患者免费提供语音修复

ElevenLabs宣布与西班牙ALS协会adELA合作,让西班牙确诊ALS的患者免费使用其语音复原与保存技术。这是ElevenLabs Impact Program在西班牙的首个项目,西班牙也是首个通过全国性患者协会提供该技术的国家。患者若语音尚未明显变化,可录制新样本;若已变化,则可上传旧录音来生成自己的数字声音。据估计西班牙约有4000–4500名ALS患者,其中许多人最终会失去说话能力。

Deepgram宣布收购Pipecat开发商Daily

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。

ElevenLabs与adELA合作向西班牙ALS患者免费提供语音修复

ElevenLabs宣布与西班牙ALS协会adELA合作,让西班牙确诊ALS的患者免费使用其语音复原与保存技术。这是ElevenLabs Impact Program在西班牙的首个项目,西班牙也是首个通过全国性患者协会提供该技术的国家。患者若语音尚未明显变化,可录制新样本;若已变化,则可上传旧录音来生成自己的数字声音。据估计西班牙约有4000–4500名ALS患者,其中许多人最终会失去说话能力。

查看事件：ElevenLabs与adELA合作向西班牙ALS患者免费提供语音修复

语音研究学者建议家庭设立安全暗语

辛辛那提大学助理教授 Kimberly Hyun 建议,家人之间约定只有彼此知道的安全暗语,接到陌生号码称家人出事的电话应直接挂断并回拨本人核实。Fortune 报道以加州 Martinez 的母亲 Deborah Del Mastro 为例:她在 5 月接到冒充墨西哥贩毒集团的电话,对方播放用 AI 克隆的女儿哭喊声,她按指示在五小时内从多个地点向墨西哥汇款 5400 美元,事后发现女儿一直在上班。报道还提到,McAfee 测试显示仅需三秒语音样本即可生成与原声 85% 匹配的克隆;Gallup 与 Stop Scams Alliance 调查估计 2025 年约 1500 万美国成年人被骗,损失约 680 亿美元,其中 12% 涉及 AI 或深度伪造。

语音研究学者建议家庭设立安全暗语

辛辛那提大学助理教授 Kimberly Hyun 建议,家人之间约定只有彼此知道的安全暗语,接到陌生号码称家人出事的电话应直接挂断并回拨本人核实。Fortune 报道以加州 Martinez 的母亲 Deborah Del Mastro 为例:她在 5 月接到冒充墨西哥贩毒集团的电话,对方播放用 AI 克隆的女儿哭喊声,她按指示在五小时内从多个地点向墨西哥汇款 5400 美元,事后发现女儿一直在上班。报道还提到,McAfee 测试显示仅需三秒语音样本即可生成与原声 85% 匹配的克隆;Gallup 与 Stop Scams Alliance 调查估计 2025 年约 1500 万美国成年人被骗,损失约 680 亿美元,其中 12% 涉及 AI 或深度伪造。

查看事件：语音研究学者建议家庭设立安全暗语

ElevenLabs与KITS签署卡纳达语语音AI合作备忘录

2026年10月19日,ElevenLabs与卡纳塔克邦创新与技术协会(KITS)签署谅解备忘录,探索将卡纳达语语音AI用于卡纳塔克邦的公民服务、技能培训和申诉处理,并让失声用户借助合成语音沟通、获得终身免费许可。代表来源报道称,印度语音AI初创公司对此表示反对:Maya Research的Dheemanth Reddy担忧公民与政府之间的敏感对话数据流向外国司法辖区,Navana.ai的Raoul Nanavati认为政府合同是本土公司最宝贵的信用背书。同一报道还对比了价格,ElevenLabs v4文本转语音API折扣价约每1000字符2.11卢比,Sarvam AI为每1000字符3卢比。目前尚无后续发展事实。

ElevenLabs与KITS签署卡纳达语语音AI合作备忘录

2026年10月19日,ElevenLabs与卡纳塔克邦创新与技术协会(KITS)签署谅解备忘录,探索将卡纳达语语音AI用于卡纳塔克邦的公民服务、技能培训和申诉处理,并让失声用户借助合成语音沟通、获得终身免费许可。代表来源报道称,印度语音AI初创公司对此表示反对:Maya Research的Dheemanth Reddy担忧公民与政府之间的敏感对话数据流向外国司法辖区,Navana.ai的Raoul Nanavati认为政府合同是本土公司最宝贵的信用背书。同一报道还对比了价格,ElevenLabs v4文本转语音API折扣价约每1000字符2.11卢比,Sarvam AI为每1000字符3卢比。目前尚无后续发展事实。

查看事件：ElevenLabs与KITS签署卡纳达语语音AI合作备忘录

Starlink引入Grok语音客服

2026年8月25日,Starlink披露已采用Grok Voice处理客户支持和销售来电,每日处理量超过1.5万通。该系统可诊断硬件问题、安排寄送替换设备,并通过语音通话和聊天协助完成订单;目前每周完成的订单超过3000笔。

Cartesia宣布2700万美元种子轮融资

2024年12月12日,Cartesia宣布完成2700万美元种子轮融资,由Index Ventures领投,Lightspeed、Factory、Conviction等参投。公司基于S4和Mamba等新架构开发实时智能模型,已推出语音生成模型Sonic,并预览了新的端到端语音模型,可精细控制文本以减少幻觉。

NVIDIA宣布全球电信运营商将网络转为分布式智能平台

2026年10月21日,NVIDIA在GTC Berlin宣布,全球多家电信运营商正把NVIDIA加速计算扩展到中心机房、城域站点和基站,将网络变成分布式智能平台。同日报道显示,T-Mobile与NVIDIA、Nokia在华盛顿州贝尔维尤的商用网络上完成AI-RAN通话;BT、Deutsche Telekom、Elisa和Orange基于Nokia的CUDA加速anyRAN软件与NVIDIA Aerial RAN Computer开展现网试验。NVIDIA同时推出面向高容量站点的ARC MGX 2U和MGX 4U两种配置,Nokia与Cisco已将Nemotron开放模型集成进各自的网络自动化软件。另有报道称,近20家运营商公布了基于Nokia anyRAN软件和NVIDIA Aerial RAN Computer的AI-RAN合作,BT、Deutsche Telekom计划2027年开展现网试验,Elisa已在5G频谱的现网环境同时运行语音、移动数据和视频分析。

日本演员协会发布生成式AI使用准则第一版

日本演员协会(JAU)发布了生成式AI使用准则第一版,适用于所有借助AI复刻演员声音生成的音频,包括未经许可用于语音合成、深度学习、机器学习等场景。准则要求任何想复刻演员声音的主体在流程每一步都须取得当事人同意,AI企业将演员声音用于训练须获表演者许可,经授权生成的语音被视为一类表演,企业需支付报酬或版税。为《龙珠》孙悟空配音的野泽雅子在接受NHK采访时称未经许可使用她的声音与盗窃没有区别,并提到听过的AI复刻声音没有情感。该工会约有2600名配音演员与演员会员,这份准则被称为日本首批针对AI语音录制的行业规范。

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。

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。

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。

印度政府选定Sarvam构建主权大语言模型

2025年4月26日,印度政府通过IndiaAI Mission选定Sarvam,从零构建印度主权大语言模型。据Sarvam AI Blog当日发布的信息,Sarvam将获得专用算力资源,该模型具备推理能力、面向语音设计并支持印度语言,可在印度本地基础设施上安全部署。Sarvam计划开发三个模型变体:Sarvam-Large面向高级推理与生成,Sarvam-Small面向实时交互应用,Sarvam-Edge面向端侧紧凑任务,并与IIT Madras的AI4Bharat合作。目前尚无后续发展事实。