ChatGPT 宣布，用户现在可以通过 iMessage 或 RCS 给 dot 发短信，用文字、照片或语音留言派任务，dot 也会主动发消息汇报进展。该功能目前以预览形式向美国 Pro 用户推送。Tibo 在转发时补充说，可以像给普通人发短信一样给 dot 发消息，方便转发分享，还能用“Hey Siri, text Iggy to <任意请求>”这种方式让它执行任务。
ChatGPT 宣布，用户现在可以通过 iMessage 或 RCS 给 dot 发短信，用文字、照片或语音留言派任务，dot 也会主动发消息汇报进展。该功能目前以预览形式向美国 Pro 用户推送。Tibo 在转发时补充说，可以像给普通人发短信一样给 dot 发消息，方便转发分享，还能用“Hey Siri, text Iggy to ”这种方式让它执行任务。
匹配字段摘要、正文
OpenRouter 宣布 AssemblyAI 的首个文本转语音模型 AssemblyAI-TTS-1 已上线，面向语音智能体场景。据 cekuraAi 的基准测试，该模型在速度与准确率上处于最佳象限，在 $15/1M 字符及以下的模型中自然度最高，提供 4,000+ 种音色，可从美国或欧盟节点提供服务。
匹配字段摘要、正文
Google 发布 EmbeddingGemma 2 论文，这是一个 Apache 2.0 许可的端侧多模态嵌入模型，把文本、代码、图像、音频和视频映射到同一向量空间。模型基于 Gemma 4 构建，通过向更大的 Gemini Embedding 2 学习并用对比训练调优，744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上，量化后的文本权重占用约 191MB 活跃内存，完整多模态模型约 567MB，上下文窗口扩大 4 倍至 8K tokens，可容纳约 5.5 分钟音频、29 张图像或 58 帧视频；直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54，高于先转写再检索的 57.59，代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。
匹配字段摘要、正文
Gemini Notebook 宣布，Live Chat 功能现已向移动端所有用户开放。此前该功能已向移动端 Ultra 用户全量推送，支持用约 100 种语言与笔记本进行实时语音对话。
匹配字段摘要
ChatGPT 宣布 dot 支持通过 iMessage 或 RCS 短信交互，用户可用文字、照片或语音留言给它派任务或让它持续关注某件事，dot 会主动发消息汇报相关进展。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、正文
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项排名第一。在 Coding Agent Index 上，搭配 Antigravity CLI 的 Gemini 4 Carbon（high）得 59 分，落后 Claude Code 搭配 Claude Opus 5.5（max，62 分）3 分。该模型目前仅向部分用户开放，尚未公开发布，定价为每 1M 输入/输出 token 4/20 美元并提供 50% 折扣，上下文窗口 1M tokens，支持文本、图像、视频和语音输入。
匹配字段摘要、正文
Xreal 与 Google 合作开发的 Android XR 眼镜 Xreal Aura 在美国、加拿大、日本和韩国开售，12GB+256GB 版 1279 美元、16GB+512GB 版 1499 美元，年底前优惠价为 1099 和 1299 美元，11 月中旬开始发货。它重约 95 克，采用分体架构，把主要计算单元和电池放到有线口袋主机中，搭载高通 Snapdragon Reality Elite 芯片，支持 Gemini 语音指令、手势追踪和 70 度视场。Xreal 称首发提供 150 多个 XR 应用与体验，并推出带 Gemini 键的手柄和无线键盘配件。
匹配字段摘要、正文
Sarvam AI 的 Indus Cowork 在 10 月 28 日由首席部长 Devendra Fadnavis 发布后，正部署给马哈拉施特拉邦 2500 名政府官员，用于起草文件、分析报告、汇总档案和检索政府记录。该邦 8 月批准了 Sarvam 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、正文
OpenAI 将 ChatGPT dot 智能体的使用入口扩展到 iMessage 和 RCS，此前该功能只能在 Slack 或 ChatGPT 应用内使用。用户可通过文字、照片或语音留言给它派任务，它会主动发消息汇报进展；在 dot 的个人资料中选择 Texting 即可设置，且不会让 dot 或 OpenAI 访问其他短信对话。
匹配字段摘要、正文
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
匹配字段摘要、正文
IBM 发布 Granite Switch 4.1.1，主张像更新软件一样更新模型。文中涉及 granite-switch-4.1-30b、granite-speech-5.0-470m-turboctc 和 granitelib-core-r1.0 三个模型，并配有 Space 演示“Speech to Decisions with Granite”，由单个 Granite Switch 模型实时听取并评估语音。
匹配字段摘要、正文
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 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。
匹配字段摘要、正文
TestingCatalog 汇总了 Claude 的一批小更新：Android 版 Claude 现在可像笔记本应用一样使用，iPad、iPhone Duo、Chromebook、Googlebooks 和折叠屏设备上的视图也做了优化；新增多账号登录；Claude UI 支持 24 种新语言；语音模式回答速度提升，非英语语音更自然；新增 CarPlay 支持；移动端“下拉搜索”功能即将上线。
匹配字段摘要、正文
钛媒体文章称，字节跳动已将世界模型列为 2026 年 AI 四大重点之一，目标年底前至少发布一版，对标谷歌 Genie 3，用户可通过 Pico 头显以语音和动作进入云端生成的世界。文章同时梳理了谷歌 10 月 28 日发布的 Genie 4，其支持用自然语言实时改变天气、移动镜头和引入人物，并首次加入声音。文中还提到字节内部评测显示其世界模型综合性能距当时全球 SOTA 约差 10%，生成指标约 20fps。
匹配字段摘要
Raven Resonance 的 Raven Prism 全彩 AR 眼镜已开启预订，订金 49 美元可全额退还，首批预计 2027 年 1 月开始发货。该设备基于 Linux 的 RavenOS 独立运行，搭载全彩 LCoS 光波导显示、四核 64 位 ARM 处理器，以眼动和语音交互为核心，并采用 Raven Wings 模块化热插拔电池设计。首批应用商店提供超过 25 款应用，面向开发者、创意工作者及企业用户。
匹配字段摘要、正文
Google 发布 10 月第二次 Gemini for Home 更新，修复了 Home 和 Nest 音箱/显示屏在无人提问时随机说出“Sorry, I didn't understand”的 bug。更新还修复了智能显示屏上 YouTube TV 语音指令的可靠性、跨房间调音量误改当前设备、以及闹钟和计时器音量被置零的问题。更新即日起开始推送。
匹配字段摘要、正文
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，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，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。
匹配字段摘要、正文
fal 宣布 VEED Dubbing 已上线。该功能可用克隆语音和唇同步翻译视频；Pro 版支持 94 种语言和 14 种地区口音，保留背景音频并支持多说话人，还提供目标口音与语音克隆强度控制。
匹配字段摘要、正文
Apple Watch Series 12 和 Apple Watch Ultra 4 将在今年晚些时候通过 watchOS 27.3 获得 Siri Recap 与 Live Rewind 两项新功能。Siri Recap 由 Apple Intelligence 生成对话摘要，未保存的摘要 7 天后自动删除；Live Rewind 则在双击数码表冠时显示过去 15 秒的语音文字片段。
匹配字段摘要
NVIDIA 在 Hugging Face 和 ModelScope 上发布开放权重模型 Nemotron 3.5 Transcribe，把转写、说话人分离、翻译和音频问答整合进同一个 checkpoint，支持 40 种语言转写、31 种语言与英文互译、13 种语言说话人标注，可处理最长 1 小时录音并标注最多 8 位说话人。该模型在 Hugging Face Open ASR Leaderboard 英语榜的开放权重模型中排名第一，平均 WER 为 5.33%，在 Artificial Analysis 上以约 4B 激活参数取得 2.8% AA-WER。同时发布的 Granary v2 覆盖 48 种语言、463,062 小时语音数据，配套 NeMo Speech 微调配方在医疗案例中把留出说话人的 WER 从 22.44% 降到 12.17%。
匹配字段摘要、正文