ElevenLabs 发布实时语音翻译模型 Eleven Realtime Translation，目前以 alpha 形式向 ElevenAPI 企业客户开放。该模型默认使用低延迟语音模型 Eleven v4 Turbo，支持 90 多种语言和自动语言检测，同一音色可跨语言保持一致，并可从 17500 多个音色库或自建语音克隆中选择。团队可调节翻译启动速度，在复杂通话的高质量翻译与低延迟之间取舍；德国电信已在 Magenta AI Call Assistant 中基于 ElevenLabs 构建新通话功能。
匹配字段标题、摘要
ElevenLabs 发布 Eleven Realtime Max 和 Mini 两款语音到语音模型。Eleven Realtime v1 Max 在 Big Bench Audio 上得分 98.8%，开口响应时间为 0.57 秒；Eleven Realtime v1 mini 面向低成本的自然对话场景优化。两款模型均已在 ElevenAgents 平台和 API 上线。
匹配字段标题、摘要
ElevenLabs 推出 Eleven Realtime 语音到语音模型系列，包含面向 AI 助手、教师等场景的 v1 Mini 和面向客服、线索筛选及多步骤流程的 v1 Max 两个版本。两款模型支持 90 多种语言和超过 17000 种音色，将语音识别、轮次切换、语音活动检测与语音生成整合为一个系统。在 Artificial Analysis 的评测中，Max 在 Big Bench Audio 上正确回答 98.8% 的问题，Mini 为 75.9%；Max 首音频平均耗时 0.57 秒，Mini 为 0.62 秒；工具调用任务上 Max 完成 87.1%，Mini 为 60.3%。Eleven Realtime 遵循 OpenAI Realtime 规范，开发者只需修改 API 端点和模型名即可迁移，但使用 WebRTC 的集成需改用 WebSockets。
匹配字段标题、摘要
Mistral 发布 Voxtral 3 语音模型家族，包含语音转文字与文字转语音模型。Voxtral Small Transcribe 3 在 Artificial Analysis Speech-to-Text 榜单上位列第 3，Voxtral 3 TTS 进入前 12。该系列支持 50 多种语言的转写，并提供 Pro Voice 语音适配，可通过 Mistral 的欧盟托管 API 使用或自托管。
匹配字段标题、摘要
OpenRouter 宣布 Mistral 的 Voxtral 3 已上线，该系列包含两个新的语音转写模型和一个新的语音合成模型，覆盖 50 多种语言。Mistral 官方称 Voxtral 3 的 Transcribe 与 Speech 模型为其新的语音智能体 API 提供支持。
匹配字段标题、摘要、正文
Mistral 联合创始人 Arthur Mensch 宣布发布一整套达到 SOTA 水平的语音模型，并附上链接 https://t.co/Ue1S72c9HW。他表示语音将成为 AI 系统最重要的交互界面，Mistral 将语音模型部署在物理位置上靠近推理模型。
匹配字段标题、摘要
Mistral 发布 Voxtral 3，包含 Transcribe 与 Speech 模型，用于支撑其新的语音智能体 API。联合创始人 Arthur Mensch 补充称，Voxtral 可在运行中完成说话人分离和轮次结束检测，既可部署在自有基础设施，也可使用 Mistral 的云端服务。
匹配字段标题、摘要
HeyGen 的 Professional Voice Clone 用 30 分钟到 2 小时的录音音频训练，保留呼吸、停顿、笑声、口音和元音发音。作者认为这一数据量是关键：短参考片段无法体现长句前的呼吸节奏或语速加快时的口音特征，而这些细微不规则正是听者判断声音是否属于真人的依据。HeyGen 称克隆结果无人能分辨出与你本人的区别。
匹配字段标题、正文
Mistral 发布 Voxtral 3 语音模型系列，包括一款文本转语音模型和三款语音转文本模型（Small Transcribe 3、Mini Transcribe 3、Mini Transcribe Realtime 3）。Artificial Analysis 评测显示，Voxtral Small Transcribe 3 以 2.1% 的 AA-WER Index 在语音转文本榜单排第 3，领先 ElevenLabs Scribe v2 的 2.2% 和 Grok Voice Transcribe 2.0 的 2.3%；Voxtral 3 TTS 在 Provider Voice 榜以 Elo 1,218 排第 12（共 98 个），定价为 $13/1M characters。
匹配字段标题、摘要、正文
ElevenLabs 发布 Eleven Realtime，提供 Mini 和 Max 两个托管语音智能体模型，整合语音识别、推理、轮次切换与语音生成，但开发者无法单独选择或配置底层模型。外部测试机构 Artificial Analysis 的数据显示，Max 在 Big Bench Audio 上得分 98.8%，Mini 为 75.9%；工具调用任务完成率 Max 为 87.1%，Mini 为 60.3%，而 Mini 在 Full-Duplex-Bench 上以 95.8% 略高于 Max 的 94.1%。该接口沿用 OpenAI Realtime API 的协议和 WebSocket 传输，但仅支持 WebSocket，WebRTC 应用需先更换传输方式并自行处理 24kHz PCM16 音频的采集与播放。
匹配字段标题、摘要、正文
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型系列，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK，将听、思考、工具调用和说话整合进单一流式管线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言并带情感适配，智能体可在实时对话中调用外部系统，例如预约或查询发票。该系统可部署在自有基础设施或通过欧盟托管的 API 运行，转写定价为每分钟 0.0035 美元起。
匹配字段标题、摘要
ElevenLabs 发布两款语音到语音模型 Eleven Realtime，其中 v1 Max 在 Big Bench Audio 上得分 98.8%，响应时间 0.57 秒。较小的 v1 Mini 面向低成本自然对话，能判断对方是说完还是只说“mm-hmm”，v1 Max 则面向客服等更复杂任务。两款模型可通过 ElevenAgents 平台和兼容 OpenAI 的 Realtime API 使用，按分钟加 token 计费，v1 Max 价格高于 v1 Mini。
匹配字段标题、摘要、正文
Mistral 发布 Voxtral 3，包含 Transcribe 与 Speech 两类模型，官方称其为当前最优水平。这两类模型用于驱动 Mistral 新的语音智能体 API。
匹配字段标题、摘要、正文
Mistral 发布 Voxtral 3 系列，包括一款文本转语音模型和三款语音转文本模型（Small Transcribe 3、Mini Transcribe 3、Mini Transcribe Realtime 3）。Artificial Analysis 评测显示，Voxtral Small Transcribe 3 以 2.1% 的 AA-WER Index 位列语音转文本榜第 3，领先 ElevenLabs Scribe v2 的 2.2% 和 Grok Voice Transcribe 2.0 的 2.3%；Voxtral Mini Transcribe 3 以 2.2% 排第 5。Voxtral 3 TTS 在提供方音色竞技场 Elo 为 1,218，98 个模型中排第 12，定价为 $13/1M characters。
匹配字段标题、摘要、正文
Vapi 于 10 月 8 日在旧金山湾租用游艇举办 Fleet Week 活动，30 多位语音 AI 构建者参加，Deepgram、Kouper Health 和 Coval 主持了炉边对话与技术工作坊。船上最受关注的话题是 GPT Live：跳过传统转录/合成可降低延迟、让对话轮转更流畅，但会牺牲对关键术语和脚本的精细控制。讨论焦点已从“语音 AI 能否对话”转向“如何让对话更自然”，具体包括 backchanneling、感知延迟与自然度衡量。
匹配字段标题、摘要、正文
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用和说话串成一条实时流式管线，每轮响应在 1 秒内完成。转写模型支持说话人分离、上下文偏置和轮次结束检测，Mini 版本为 4B 参数，批量转写定价 $0.0035/min；合成模型定价 $13/1M 字符，支持 30 分钟音频的语音克隆。该家族可通过 Mistral 的欧洲托管 API 或自部署使用，语音 Agent API 搭配 Mistral Small 4 推理时定价 $0.04/min。
匹配字段标题、摘要
ElevenLabs 发布 Eleven Realtime 系列语音到语音模型，包含面向低成本自然对话的 v1 Mini 和面向复杂任务的 v1 Max，两者均支持 90 多种语言并可调用其 17,000 多个音色。Artificial Analysis 的独立评测显示，v1 Max 在 Big Bench Audio 语音推理上答对 98.8%，平均 0.57 秒开始说话，v1 Mini 分别为 75.9% 和 0.62 秒。该 API 兼容 OpenAI Realtime API，已有集成只需更换 endpoint 和模型名，也可在 ElevenAgents 中直接选择模型部署。
匹配字段标题、摘要
燧石技术（Raythink）推出搭载DeepSeek大模型的智能体“小睿”，通过热成像仪硬件感知、AI算法模型与配套分析软件三维融合，实现对话式智能测温。用户可用语音完成参数设置、专业答疑和校准调整，小睿还同步入驻TI Studio PC客户端。燧石技术称这标志着其“软件硬件协同进化”战略落地。
匹配字段标题、摘要
Yelp 上线 Check for Me 功能，用户在餐厅页面输入用餐人数和电话号码后，AI 智能体会代其致电餐厅查询等位时间，并以短信回传结果。Yelp AI 助手同时接入 OpenTable 支持应用内订座，可记住历史对话偏好、查看过去 30 天聊天记录并设置自定义提醒。Yelp 还推出面向商家的付费产品 Smart Lead Reply，每月收费 $30，用于自动回复并筛选客户线索。
匹配字段标题
Scaled Cognition 发布文本转语音模型 Voice，支持 25 种以上语言和声音克隆，可通过 API 调用或自托管部署，主打账号、地址等细节的准确朗读。托管 API 定价为每百万字符 9 美元，自托管为每百万字符 1 美元（不含基础设施），公司称 500 万字符规模下含基础设施约每百万字符 13 美元，并宣称语音生成延迟为 70 毫秒。Voice 的 Smart Pronunciation 能力会先判断缩写和数字的含义再生成音频，例如把 Pay 1/2 by 1/2 读作 pay half by January second，且不依赖 APT 或其他大语言模型即可运行。
匹配字段标题、摘要、正文