Baseten AI 工程博客：MCP 与技能、DeepSeek Harness、Qwen3-TTS 微调等
Baseten 工程博客发布面向编码智能体的新 MCP 与技能，让编码智能体可直接使用 Baseten。博客还包含如何在 DeepSeek Harness 中运行任意开源模型、微调 Qwen3-TTS 实现高质量语音克隆，以及在任意 harness 中运行 Kimi K3、GLM-5.2 等内容。
匹配字段摘要、正文
←搜索结果
搜索“语音”
Baseten 工程博客：LLM 推理可观测性、DeepSeek V4 Pro 0813 与 NVIDIA Nemotron 3.5
Baseten 工程博客列出多篇推理工程与模型文章，包括《领先平台如何保障 LLM 推理可观测性》、面向 DeepSeek V4 Pro 0813 的推理工程，以及 Baseten 为 You.com 提供开源推理。博客还介绍 NVIDIA Nemotron 3.5 Lightning 与 Nemotron 3.5 ASR Streaming，并收录 Laguna S 2.1、Qwen3-TTS 微调语音克隆、Kimi K3 路由等内容。
匹配字段摘要、正文
Baseten 工程博客：pyannote 说话人分离模型提速 9.6 倍
Baseten 让 pyannote 的说话人分离（diarization）模型推理速度提升 9.6 倍。该博客还介绍了面向托管 RL rollout 的 delta 权重同步优化、Baseten 在 Coval 语音 AI 基准测试中领先，以及供编码智能体使用 Baseten 的新 MCP 与技能。
匹配字段摘要、正文
OpenAI 为 Codex 推出可跨设备复用的云开发环境
OpenAI 在 DevDay 上为软件工程智能体 Codex 推出可复用的云开发环境，开发者可在电脑、手机或云端运行 Codex，任务启动更快，团队还能共享带审批设置和权限的工作区。Codex CLI 更新支持用语音启动和指挥任务，新增 /agents 视图便于同时委派和跟踪多个任务，并可在 ChatGPT 桌面应用内进行代码审查。OpenAI 还推出 Codex Security Cloud，可按需或定期扫描整个 GitHub 仓库，并在新提交到达时自动检查、去重和准备修复。
匹配字段摘要
Airbnb 秋季更新：新增 AI 搜索与更多社交功能
Airbnb 在秋季产品更新中上线 AI 搜索，用户可通过文字或语音提示查找房源，界面会根据偏好显示动态筛选条件，例如输入“baby”会进一步给出婴儿床、游乐场、儿童书籍和玩具等选项。平台还用 AI 生成房源亮点摘要与评价，支持对比心愿单中的房源。Airbnb 同时扩展了去年推出的服务（含餐食配送、洗衣、婴儿装备租赁等），并新增基于好友行程的地图等社交功能。
匹配字段摘要
ElevenLabs 完成 3 亿美元员工要约收购，估值达 220 亿美元
ElevenLabs 完成 3 亿美元员工要约收购，估值达 220 亿美元，是今年 2 月 D 轮估值的两倍，由 Wellington 和 T. Rowe Price 领投。企业业务已占其收入的 55%，ElevenAgents 每周处理超 1500 万次对话，较 2 月增长 3 倍，ARR 同期增长超 3 倍。公司同时发布 Eleven v4 和 v4 Turbo 两款文本转语音模型，并称其已在独立基准中领先。
匹配字段摘要
ElevenLabs 发布 Eleven v4 音频标签清单，含 50 多个示例
ElevenLabs 发布 Eleven v4 的 Audio Tags 清单，用方括号内的自然语言提示词控制语音的情绪、音量、语速、口音和音效，文中给出 50 多个示例。这些标签不限于固定列表，可自行组合或描述情境，例如 [whispering, fearful]、[out of breath after running up the stairs]。Audio Tags 可通过 ElevenAPI 在 Eleven v4、Eleven v4 Turbo 和 Eleven v3 上使用，v3 脚本在 v4 中仍然有效。
匹配字段摘要
Vapi 推出 Personal Agent Calling 测试版，让个人助理代打电话
Vapi 发布 Personal Agent Calling 测试版，为个人助理提供语音层，用户只需把一段提示词粘贴进助理并填入商家与任务，Vapi 即可代为拨号、等待并回报结果。该功能支持 Muse、Instinct、GrokBot、ChatGPT Work、Claude Code、OpenClaw 和 Hermes 等助理，除 Vapi 通话分钟数外不额外收费。测试中其营收负责人 Bryan Parman 让助理致电航空公司申请 Economy Plus 过道座位，助理在等待 14 分钟后接通人工，按指示拒绝支付 51.69 美元费用，最终获得免费升舱。
匹配字段摘要
ElevenAgents 上线 OpenAI Marketplace
在 OpenAI DevDay 上，OpenAI 推出面向企业客户的 AI 工具平台 Marketplace，ElevenLabs 的 ElevenAgents 作为首发合作伙伴上线，符合条件的企业客户可通过该平台购买并将 OpenAI 承诺额度用于支付。ElevenAgents 将 OpenAI 前沿模型与其实时对话 AI 栈结合，支持语音、聊天和邮件，覆盖 90 多种语言，Stripe、Deutsche Telekom 和 Klarna 等企业已在使用。
匹配字段摘要
Inception 发布扩散式推理模型 Mercury 2
Inception 发布 Mercury 2，称其为全球最快的推理语言模型，采用扩散式并行精炼而非自回归逐 token 解码，生成速度提升超过 5 倍。官方数据为 NVIDIA Blackwell GPU 上 1,009 tokens/sec，定价 $0.25/1M 输入 token、$0.75/1M 输出 token，支持可调推理、128K 上下文、原生工具调用和 schema 对齐的 JSON 输出，并兼容 OpenAI API。该模型面向编码补全、智能体循环、实时语音和搜索 RAG 等延迟敏感场景，现已可用。
匹配字段摘要
Inception 将 Mercury 2 免费 token 提升至 1 亿，速率限制提高 10 倍
Inception 宣布每个新 API key 的免费 token 从 1000 万提升至 1 亿，免费层速率限制提高 10 倍，并持续改进 Mercury 2 的首 token 时间、端到端延迟和工具调用可靠性。Mercury 2 已在 Baseten 上线，面向实时语音、搜索、编程智能体和多智能体工作流。
匹配字段摘要
Henry Cavill 与 Googlebook 合作，将于今年 11 月打造一款电子游戏
演员 Henry Cavill 与 Google 合作，将在今年 11 月用新款高性能笔记本 Googlebook 从零打造一款电子游戏。Googlebook 搭载 Gemini Intelligence，支持与 Android 手机同步的 Continue on phone、Rambler 语音转文字和 Antigravity 等功能。
匹配字段摘要
Inception Labs 更新 Mercury 系列扩散 LLM 产品线
Inception Labs 在其产品博客集中列出 Mercury 系列扩散 LLM 的进展：Mercury 2 面向搜索场景，可在既有延迟预算内为每次查询执行五十到一百次 LLM 调用；Mercury 2 用于语音智能体时 TTFT 低于 300 ms，并已上线 Azure AI Foundry。Mercury 2.5 被称为市面上能力最强的扩散 LLM，运行速度 1,107 tokens/sec，智能水平较 Mercury 2 提升 40%。此外，Mercury 2 新 API key 可获 100M 免费 tokens，速率限制提升 10 倍。
匹配字段摘要
Eleven v4 Turbo 上线 ElevenAgents
ElevenLabs 宣布 Eleven v4 Turbo 已在 ElevenAgents 中可用，为实时对话提供更具表现力的语音。该模型中位推理延迟约 100 ms，支持 90 多种语言，并在日语、巴西葡萄牙语、普通话和粤语上改进最大；通话中可随用户切换语言，并保持同一音色或切换为母语级音色。ElevenLabs 称 Eleven v4 在 Artificial Analysis 排名第一，在盲测中约 75% 的听众更偏好它。
匹配字段摘要
ElevenLabs 上线图像、视频与 Templates API
ElevenLabs 将图像生成、视频生成和 Flows 中的模板能力开放为 API，图像与视频 API 可调用 Google、OpenAI、ByteDance 和 Creatify 的模型，定价与应用内一致。模板把图像、视频、语音、音乐和音效模型打包成无需配置的工作流，团队在 Flows 中搭建一次后，后续只需传入新的产品图和名称即可批量产出成品素材。这些模型也可通过 ElevenLabs MCP 在 Claude、ChatGPT 或 Cursor 中使用，一次 OAuth 安装即可，无需管理 API key。
匹配字段摘要
Google 发布 Gemini 3.8 Flash TTS 等多项更新
Google 公布本周更新，包括 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款音频生成模型，以及带 Live Avatar 的 Gemini 3.8 Live，为对话式 AI 加入接近实时的视觉呈现。Gemini Notebook 新增 Interactive Learning Overviews，并将在移动端上线 Live Chat，支持约 100 种语言的免手操作实时语音对话。此外，去年公布的 Project Suncatcher 将发射原型卫星，在轨测试 Google TPU 并探索太空太阳能 AI 算力。
匹配字段摘要
我给自己做了一个可对话的数字人分身，你也可以和它聊天
Synthesia 为 TechCrunch 记者制作了一个交互式数字人分身，这也是该公司首次为记者（除 Voica 外首次为任何人）打造数字分身。该分身由语音转文字、视频、语言和文字转语音模型组合驱动，基于记者关于风投支持创业公司欺诈的报道训练，只会回答该报道相关问题。Synthesia 今年早些时候估值达 40 亿美元，去年 ARR 突破 1 亿美元。
匹配字段摘要、正文
Meta 在 Connect 2026 为 Muse 智能体推出 Charm 钥匙扣设备与眼镜集成
Meta 在 Connect 2026 活动上为旗下走红的 Muse 智能体发布多项升级，包括 12 月发货的钥匙扣硬件 Charm、数月内上线的 AI 眼镜集成、实时语音与视频对话，以及可同步语音的 Muse Realtime Avatar。扎克伯格称 Charm 是“与 Muse 对话最快的方式”，眼镜端将提供连 Meta 也无法获取数据的私有处理模式。PayPal、Walmart、Shopify、GitHub 和 Box 等公司已成为 Muse 合作伙伴，此前亚马逊本周早些时候曾阻止其访问。
匹配字段摘要
Muse 能让人们忘记元宇宙吗？
Meta 在开发者大会上把不满一个月的个人智能体 Muse 推为核心，扎克伯格称其将成长为数十亿人使用的个人超级智能，并计划推出可语音对话、接入 VR 操作系统以及配套硬件 Muse Charm。作者 Casey Newton 指出 Muse 周使用量约 50 万人，远不及 Threads 五天破亿，认为 Meta 此举更多是在今年高达 1450 亿美元资本支出下营造势头。他同时实测了重 100 克、标称 5K 显示的 Meta VR Glasses，认为其把 Vision Pro 的体积和价格大幅压缩，但 VR 的用途问题仍未解决。
匹配字段摘要、正文
Meta 在 Connect 2026 宣布将 Muse 智能体接入 AI 眼镜并发布 VR 眼镜
Meta 在 Connect 2026 宣布，将在未来几个月把个人 AI 智能体 Muse 接入其 AI 眼镜，用户可直接说出智能体名字，Muse 能对眼前所见采取行动，并支持长时间语音对话与后台执行任务。Muse 新增 Walmart、Best Buy、Sephora、Expedia、Instacart、Notion、GitHub 等连接器以及 Shop Pay 和 PayPal 支付，并将拥有自己的邮箱地址。Meta 同时发布约 100 克重的 Meta VR Glasses、Ray-Ban Meta Audio 眼镜和 Ray-Ban Meta（Gen 3），并推出 FDA 认证的听力增强功能，今年晚些时候在美国上线，售价 149.99 美元。
匹配字段摘要