Rime发布语音到语音模型Prism
Rime发布面向AI语音智能体的语音到语音模型Prism。据Testing Catalog报道,Prism在开口前先把每条回复写成文本,企业可以编辑转写内容并拦截智能体不该说的话。该模型同时保持通话不中断,并能在对话中查询账户或冻结卡片。Rime称没有其他语音到语音模型采用这种方式,因此Prism更适合银行等受监管企业。目前尚无后续发展信息。
匹配字段标题
←搜索结果
搜索“语音”
Perplexity Mac与网页版语音模式改用gpt-live-1
Perplexity宣布,其Mac应用和网页版的语音模式现已改用OpenAI的gpt-live-1模型。据Testing Catalog报道,用户还可在Perplexity Computer上运行多个会话,并管理任务和Projects;发帖者表示语音是自己最喜欢的交互界面。9to5Mac报道称,此次升级使Mac应用语音模式可在一次语音会话中同时处理多个Computer会话、启动新任务并创建管理Projects。目前没有更多后续发展。
匹配字段标题
Perplexity Mac与网页版语音模式改用OpenAI的gpt-live-1
Perplexity宣布,其Mac应用和网页版的语音模式现已改用OpenAI的gpt-live-1模型。据Testing Catalog报道,用户还可在Perplexity Computer上运行多个会话,并管理任务和Projects;发帖者表示语音是自己最喜欢的交互界面。9to5Mac报道称,此次升级使Mac应用语音模式可在一次语音会话中同时处理多个Computer会话、启动新任务并创建管理Projects。目前没有更多后续发展。
匹配字段标题
Artificial Analysis将Phonic 1评为语音到语音指数第一
Artificial Analysis 的评测显示,Phonic 的 Phonic 1(High)在 Speech to Speech Index 的 22 个模型中以 87.1 分排名第一,以微弱优势领先 xAI 的 Grok Voice 3.0(86.9 分)。同一评测中,Phonic 1 在 Tau Voice 智能体任务上以 79.9% 排名第一,领先第二名 5.4 个百分点;Big Bench Audio 以 98.9% 排第三,首音频延迟为 0.61 秒。Phonic 1 通过 Phonic API 提供,输入音频成本为每分钟 0.07 美元、每小时 4.20 美元。另有报道称,Phonic 是一家 10 人创业公司,其称 Phonic-1 可在通话者尚未说完时执行查询和预订;该报道还提到,Phonic 称其在 Cekura 通话测试集得 90.2 分,而 Cekura 公开榜单列出的 Phonic v1 为 68.3%。
匹配字段标题
Artificial Analysis将Phonic 1评为语音到语音指数第一
Artificial Analysis 的评测显示,Phonic 的 Phonic 1(High)在 Speech to Speech Index 的 22 个模型中以 87.1 分排名第一,以微弱优势领先 xAI 的 Grok Voice 3.0(86.9 分)。同一评测中,Phonic 1 在 Tau Voice 智能体任务上以 79.9% 排名第一,领先第二名 5.4 个百分点;Big Bench Audio 以 98.9% 排第三,首音频延迟为 0.61 秒。Phonic 1 通过 Phonic API 提供,输入音频成本为每分钟 0.07 美元、每小时 4.20 美元。另有报道称,Phonic 是一家 10 人创业公司,其称 Phonic-1 可在通话者尚未说完时执行查询和预订;该报道还提到,Phonic 称其在 Cekura 通话测试集得 90.2 分,而 Cekura 公开榜单列出的 Phonic v1 为 68.3%。
匹配字段标题
NVIDIA发布开放权重语音转写模型Nemotron 3.5 Transcribe
匹配字段标题
Alex Heath称Granola新增语音输入后无需另装听写应用
Granola上线听写功能,用户在Mac上按Fn键即可说话,工具会自动清理并格式化语音、输出最终文本,且可在所有应用中粘贴使用;该功能免费且不限字数,iOS和Windows版本即将推出。Alex Heath表示自己常用Granola处理会议,现在不必再装单独的听写应用,并称已在Mac上用它语音输入一整天,体验顺畅。
匹配字段标题
Alex Heath称Granola新增语音输入后无需另装听写应用
Granola上线听写功能,用户在Mac上按Fn键即可说话,工具会自动清理并格式化语音、输出最终文本,且可在所有应用中粘贴使用;该功能免费且不限字数,iOS和Windows版本即将推出。Alex Heath表示自己常用Granola处理会议,现在不必再装单独的听写应用,并称已在Mac上用它语音输入一整天,体验顺畅。
匹配字段标题
Aravind Srinivas宣布向Pro和Max用户推出新语音模式
Perplexity CEO Aravind Srinivas 宣布,新语音模式向所有 Pro 和 Max 用户开放,覆盖网页端和 Mac 应用。该模式让用户通过语音与电脑对话,并行推进多项工作流。目前尚无后续发展事实。
匹配字段标题
Aravind Srinivas宣布向Pro和Max用户推出新语音模式
Perplexity CEO Aravind Srinivas 宣布,新语音模式向所有 Pro 和 Max 用户开放,覆盖网页端和 Mac 应用。该模式让用户通过语音与电脑对话,并行推进多项工作流。目前尚无后续发展事实。
匹配字段标题
Aravind Srinivas称语音是使用电脑的自然形态
Perplexity的Houssein Djirdeh宣布,Perplexity网页版上线新的语音模式,支持自然对话、全程语音操作应用和多会话并行,基于GPT-Live-1。Perplexity CEO Aravind Srinivas转发该消息并评论称,语音是使用电脑的自然形态。目前没有更多后续发展。
匹配字段标题
Aravind Srinivas提出语音是使用电脑的自然形态
Perplexity的Houssein Djirdeh宣布,Perplexity网页版上线新的语音模式,支持自然对话、全程语音操作应用和多会话并行,基于GPT-Live-1。Perplexity CEO Aravind Srinivas转发该消息并评论称,语音是使用电脑的自然形态。目前没有更多后续发展。
匹配字段标题
Gnani AI发布Prisma v3.0语音识别模型
Gnani AI 发布自动语音识别模型 Prisma v3.0,支持印地语、孟加拉语等 9 种印度语言与英语,可转写句内中英混说的多语言对话。据 Analytics India Magazine 报道,该模型在 Vistaar benchmark 上宏平均 WER 为 16.93,低于 ElevenLabs Scribe v2 的 19.98、Microsoft Azure Speech-to-Text 的 20.51 和 Deepgram Nova 3 的 26.57。它提供 Verbatim、Transcribe、Code-mix、Transliterate 四种转写模式,支持每次请求最多 200 个自定义词汇,可将这些词的召回率从 70.9% 提升至 90.3%。目前尚无后续进展披露。
匹配字段标题
Rivian披露扩大与大众合资公司并授权AI语音助手
Rivian在2026年第三季度财报中披露,已通过Rivian and VW Group Technology合资公司向大众集团授权其AI Voice Assistant技术,作为双方电气架构与软件合作的一部分。TechCrunch AI报道称,Rivian将AI语音助手技术的部分元素授权给大众集团,纳入双方规模58亿美元的合资公司;该助手已于2026年5月上线R1S、R1T,10月上线R2,并可能率先搭载于大众低成本电动车ID EVERY1。Rivian未披露授权费用和具体车型,仅称这是其自研平台可扩展性的证明。Unite.AI报道称,Rivian当季软件与服务收入6.05亿美元、同比增长45%,其中3.54亿美元(59%)来自该合资公司;Rivian Assistant已于2026年10月登陆R2,并通过OTA更新加入Gmail集成。
匹配字段标题
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。
匹配字段标题
Rime发布语音模型Prism
Rime发布面向AI语音智能体的语音到语音模型Prism。据Testing Catalog报道,Prism在开口前先把每条回复写成文本,企业可以编辑转写内容并拦截智能体不该说的话。该模型同时保持通话不中断,并能在对话中查询账户或冻结卡片。Rime称没有其他语音到语音模型采用这种方式,因此Prism更适合银行等受监管企业。目前尚无后续发展信息。
匹配字段标题
AssemblyAI推出首个文本转语音模型AssemblyAI-TTS-1
2026年10月29日,AssemblyAI推出首个文本转语音模型AssemblyAI-TTS-1并正式开放,面向实时电话语音智能体,定价为每100万字符15美元,不设年度合同和并发档位。据MarkTechPost报道,该模型仅以托管API形式在us-east-1和eu-north-1提供,支持HTTP、WebSocket和OpenAI兼容接口,内置4000多种音色、即时声音克隆和6种语言;厂商自测显示实体准确率93.7%、首字节中位延迟47毫秒,但Cekura独立基准测得流式延迟159毫秒、朗读准确率81.5%,且发布时尚不支持SSML、语速控制和情感标签。同日,Artificial Analysis的Provider Voice Arena评测显示,AssemblyAI-TTS-1以Elo 1227排名第12,发音鲁棒性得分81.7%排名第16,生成速度为每秒162字符。当天晚些时候,OpenRouter宣布AssemblyAI-TTS-1已上线,面向语音智能体场景,可从美国或欧盟节点提供服务。
匹配字段标题
Gnani AI发布语音识别模型Prisma v3.0
Gnani AI 发布自动语音识别模型 Prisma v3.0,支持印地语、孟加拉语等 9 种印度语言与英语,可转写句内中英混说的多语言对话。据 Analytics India Magazine 报道,该模型在 Vistaar benchmark 上宏平均 WER 为 16.93,低于 ElevenLabs Scribe v2 的 19.98、Microsoft Azure Speech-to-Text 的 20.51 和 Deepgram Nova 3 的 26.57。它提供 Verbatim、Transcribe、Code-mix、Transliterate 四种转写模式,支持每次请求最多 200 个自定义词汇,可将这些词的召回率从 70.9% 提升至 90.3%。目前尚无后续进展披露。
匹配字段标题
Rivian披露扩大与大众合资公司授权AI语音助手技术
Rivian在2026年第三季度财报中披露,已通过Rivian and VW Group Technology合资公司向大众集团授权其AI Voice Assistant技术,作为双方电气架构与软件合作的一部分。TechCrunch AI报道称,Rivian将AI语音助手技术的部分元素授权给大众集团,纳入双方规模58亿美元的合资公司;该助手已于2026年5月上线R1S、R1T,10月上线R2,并可能率先搭载于大众低成本电动车ID EVERY1。Rivian未披露授权费用和具体车型,仅称这是其自研平台可扩展性的证明。Unite.AI报道称,Rivian当季软件与服务收入6.05亿美元、同比增长45%,其中3.54亿美元(59%)来自该合资公司;Rivian Assistant已于2026年10月登陆R2,并通过OTA更新加入Gmail集成。
匹配字段标题