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。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。
匹配字段摘要、正文
以会议记录工具著称的 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。Granola 与 Wispr 估值分别为 15 亿美元和 20 亿美元，后者此前已从听写工具扩展出会议记录功能。
匹配字段摘要、正文
Rivian 将其 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。
匹配字段摘要、正文
NVIDIA 公布 RTX Spark 轻薄笔记本的多项更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 模型家族支持，以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。Nemotron 3.5 Transcribe 支持 40 种语言的转写、说话人标注和翻译，约 43 亿活跃参数，已在 Hugging Face 上线。RTX Spark 笔记本现由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 出货，起售价 2599 美元。
匹配字段摘要、正文
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。Cue 覆盖 90 多种基准语言，单次处理任意长度录音，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。
匹配字段摘要、正文
Nvidia 发布免费开源权重模型 Nemotron 3.5 Transcribe，可转写最多 40 种语言的音频，并同步推出开源语音数据集 Granary 第 2 版。该模型支持 31 种语言与英语互译、处理最长一小时的录音、区分最多 8 位说话人，Nvidia 称其在 Hugging Face Open ASR Leaderboard 等基准上优于竞品。模型为 300 亿参数，可运行在 Jetson AGX Thor、DGX Spark 及 Blackwell 数据中心芯片上，但只支持录音音频，不支持直播流。
匹配字段摘要、正文
MIT 教授 Paris Smaragdis 的研究组致力于让机器具备超越人类的听觉能力，用于语音识别、音乐理解和环境监测等场景。其研究覆盖声源分离的机器学习、可增强人类听觉环境的智能设备，以及帮助人们理解、操作、分析和创作音乐的工具。Smaragdis 于 2025 年加入 MIT，同时任职于音乐与戏剧艺术项目及电子工程与计算机科学系。
匹配字段摘要、正文
苹果在 iOS、iPadOS 和 macOS 27.2 中为 Siri AI 扩大语言支持，新增法语、西班牙语、葡萄牙语、日语和韩语，年底前还将支持挪威语、土耳其语、繁体中文和越南语，德语最早要到 2027 年。Siri AI 仍标注为 Beta，27.2 版将支持记住此前对话、更深入使用个人数据，并纳入 iMessage 中的照片、日程邀请和语音邮件。Siri AI 在欧盟成员国的 iPhone、iPad 和 Apple Watch 上仍处于封锁状态。
匹配字段摘要、正文
iOS 27.2 为 CarPlay 带来两项改进：Apple Podcasts 在 Home 标签页新增“New Episodes”和“Continue Playing”两个分区，重构了原有的 Up Next 队列；Siri AI 可回忆过往对话，并能调用 Messages 中的照片、Calendar 活动参与者、语音留言以及 Safari 历史记录和阅读列表等更多来源作答。此外，iOS 27.2 还更新了 Apple Music 的应用图标并做了小幅设计调整。
匹配字段摘要、正文
Astropad Workbench 1.4 发布，新增内置终端，可在远程桌面与终端之间免重连切换，终端会话跨设备持续运行并支持语音输入命令。该版本还原生支持 iPhone Duo，并支持 Mac 之间在终端会话中拖放文件。Workbench 每天免费使用 20 分钟，无限访问为 $14.99/月或 $79.99/年，需 macOS 15、iOS 26 或 iPadOS 26 及以上。
匹配字段摘要、正文
iOS 27.2 在六周测试后正式推送，为 iPhone 带来多项新功能。Siri AI 新增回忆过往对话、从 Messages 照片与语音留言等更多来源取信息、Excluded Apps 访问控制与精细化文本选择；FaceTime 的 Dual Capture 双摄模式首次支持 Group FaceTime，需 iPhone 17 或更新机型。TV app 首次在 iPhone 支持 Multiview 同时观看最多四路体育直播，并加入用户配置文件。
匹配字段摘要、正文
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，在 9 项评测中的 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA 四项领先。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。该模型上下文窗口为 1M tokens，支持文本、图像、视频和语音输入，标准定价为每百万输入/输出 tokens 4/20 美元，目前向部分用户开放并提供 50% 折扣。
匹配字段摘要、正文
15 位 Google Student Ambassadors 分享了他们最常用的 Gemini 功能，包括把课程材料转成个性化短课的 Study notebooks、用语音练习面试的 Gemini Live、引导式学习的 Guided Learning，以及生成学习指南和定制测验。学生套餐提供课堂材料、学习笔记和图片的无限上传，Audio Overviews 还能把文档和幻灯片转成播客式对话，方便在校园路上复习。
匹配字段摘要、正文
Google.org 向世界银行集团提供 250 万美元支持，用于扩展农业数字公共基础设施，目标是在 2027 年底前帮助 100 万农民接入改善生计的关键服务。世界银行集团将在印度试点成功后，在拉丁美洲、东南亚和撒哈拉以南非洲多国建设 AI 驱动的农业开放网络 ONA，让农民通过单一平台获取数字农民 ID、信贷、补贴支付、销售市场和本地语言语音农事建议。
匹配字段摘要、正文
内容创作者卡兹克发现自己用了四年的口头禅“坦率的讲”如今一写出来就被读者划线质疑“AI 味儿太重”“一眼 AI”，最近两个月他越来越少用这四个字，语音输入时看到也会下意识删掉。他认为 AI 从人类学会语言，如今却轮到人类修改自己的表达来证明自己是人，并提到“不是……而是”等句式也在被放弃。
匹配字段摘要
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。官方称其表现优于多数开源模型和商业 API，模型已在 Hugging Face、ModelScope 和 GitHub 发布。
匹配字段摘要、正文
特斯拉副总裁阿肖克·埃卢斯瓦米在财报电话会议上确认，特斯拉正在自研一套基于 AI 的地图导航系统，将随 FSD v15 上线，融合车队采集数据、个性化路线规划并支持 FSD 语音控制。他称这是全新架构而非另一版地图，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。新地图预计先在 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。
匹配字段摘要、正文
有用户分享在 iPhone 上通过快捷指令和辅助功能的语音快捷指令，实现说「Hey Grok」直接唤起 Grok Bot 语音聊天，无需额外 App。马斯克转发该帖并评论「Cool」。
匹配字段摘要
百度健康宣布升级文心健康管家，发布好医矩阵和健康相机，其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，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。
百度健康宣布升级文心健康管家，发布好医矩阵和健康相机，其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，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。
匹配字段摘要、正文
多位大厂员工向定焦One讲述，公司把AI使用率纳入考核后，自己开始“表演”AI提效：有人把半小时会议录音转文字写成“搭建语音信息结构化流程”并被评为优秀案例，有人为周报凑AI含量把十分钟的活干成半小时。深圳一家公司规定AI使用率不到70%扣20%绩效，员工卷出一堆没人用的Skill；Visier调查显示1000名美国全职员工中48%承认向同事或上级夸大了自己的AI使用频率或专业知识。
匹配字段摘要、正文