蚂蚁百灵开源 Ming-3.0 系列 5 个模型，覆盖 tts、audio、asr 三个语音家族。Ming-3.0-tts 包含 0.5B 的语音设计与副语言线索模型和 Tiny 7.9B A1.3B 长语音模型；Ming-3.0-audio 包含 Flash 126B A6.5B 理解与工具模型和 Tiny 9.3B A2.7B 高效对话模型；Ming-3.0-asr 为 Tiny 8.6B A2B，面向方言与上下文。
匹配字段标题、摘要、正文
Ethan Mollick 表示新书明天正式发售，今天是获得预购赠品的最后一天。赠品是一段约 10 分钟的 AI 语音访谈，会根据书中观点生成个性化提示词、想法和阅读建议。
匹配字段标题、摘要、正文
ElevenLabs 发布面向内容创作者的语音转文字工作流指南，介绍用语音转文字生成视频字幕、播客节目笔记、可搜索内容库和内容翻译。ElevenLabs Caption Generator 可生成带词级和字符级时间戳的转录文本，并导出 SRT 和 VTT 文件；Scribe v2 模型默认逐字转录，可在 Playground 开启“Clean Transcript”或通过 ElevenAPI 的 no_verbatim 参数切换为净化转录。
匹配字段标题、摘要、正文
Google 开发者博客发布分步教程，介绍如何用 ADK 和 gemini-3.8-live 构建不会长时间静默的语音智能体。核心做法是把工具函数从 return 改为 yield 变成流式工具，或使用 FunctionTool 的 response_scheduling 在空闲时交付结果；在销售报表基准流程中，智能体首次开口时间从 14.4 秒降到 1.2 秒。教程还给出 stop_streaming 取消机制、防止重复调用以及 WHEN_IDLE、INTERRUPT、SILENT 三种调度模式的取舍，要求 google-adk >= 2.10.0 并使用 run_live 双向会话。
匹配字段标题、摘要、正文
HTC 披露 VIVE Eagle 智能眼镜的隐私保护机制：拍摄视频加密后仅存本地，不自动上传手机或云端，导出需通过配套应用手动操作。摄像头附近的录制指示灯被遮挡时设备会停止录制，用户也可用语音指令停止拍摄，周围人员可主动要求终止录制。VIVE AI 助手可调用 OpenAI ChatGPT 及 Google Gemini，用户无需登录第三方 AI 账户，HTC 表示不会用眼镜收集的个人信息训练自有或第三方 AI 模型。
匹配字段标题、摘要、正文
ElevenLabs 与卡纳塔克邦创新与技术协会（KITS）签署合作备忘录，探索将语音 AI 用于卡纳塔克邦的公民服务、技能培训和申诉处理，并让失声用户借助合成语音沟通、获得终身免费许可。印度语音 AI 初创公司对此表示反对，Maya Research 的 Dheemanth Reddy 担忧公民与政府之间的敏感对话数据流向外国司法辖区，Navana.ai 的 Raoul Nanavati 认为政府合同是本土公司最宝贵的信用背书。文章还对比了价格：ElevenLabs v4 文本转语音 API 折扣价约每 1000 字符 2.11 卢比，Sarvam AI 为每 1000 字符 3 卢比。
匹配字段标题、摘要
fal 宣布 Kotoba 的语音 API 已上线，支持实时语音翻译（文本与音频输出）、流式音频转写、预设音色语音生成，以及带可选词级时间戳的录音转写。
匹配字段标题、摘要、正文
蚂蚁百灵（AntLingAGI）感谢 atomic.chat 将 Ming-3.0 接入本地 AI 工作流，让开源语音模型更易获取。据 atomic.chat 介绍，Ming-3.0 包含 5 个开源模型，覆盖说话、聆听和语音转写，其语音模型在 Artificial Analysis 的开源模型中排名第 1，最小版本仅 0.5B。
匹配字段标题、摘要、正文
蚂蚁百灵开源了 5 个语音模型，覆盖 TTS、音频理解和 ASR，总参数量从 0.5B 到 126B（激活参数 6.5B）。vLLM 宣布 vLLM-Omni 在发布当天即提供 Ming-3.0 支持，蚂蚁百灵对此致谢并表示部署更便捷。
匹配字段标题、摘要
蚂蚁百灵（Ant Ling）发帖感谢 @AdinaYakup 分享 Ming-3.0，并帮助更多开发者了解其五款开源语音模型的能力。被引用的原帖提到蚂蚁集团刚发布了新的语音与音频模型。
匹配字段标题、摘要、正文
法国招聘平台 Hippolyte.ai 在 Screen.ai 语音面试环节接入 ElevenLabs 语音合成，三周内完成 4,830 场语音预筛选面试、累计 272 小时对话，平均每场 3 分 23 秒，单日峰值 640 通。ElevenLabs 的语音处理在欧盟境内完成，双方签署 DPA，原始录音在转写后 24 小时内自动删除，以满足大客户的数据合规要求。
匹配字段标题、摘要
蚂蚁 inclusionAI 在 GitHub 开源 Ming-3.0-tts 语音合成模型，包含 0.5b 稠密模型和基于 Ling V3 的 tiny MoE 模型（7.9B 总参数、1.3B 激活参数），提供推理代码、任务 Cookbook 和评测表。模型支持声音克隆、文本设计音色、100+ 中文与 5 种英文内置音色、自然语言自由控制、14 种副语言标签，可合成中英德西法韩日及川渝话、广粤话。官方称在 Artificial Analysis 榜单上，Controlled Voice 开源模型第 1、Pronunciation Robustness 总榜第 1（93.2%）、Provider Voice 开源模型第 3。
匹配字段标题、摘要
日本演员协会（JAU）上周四发布生成式 AI 使用准则第一版，适用于所有借助 AI 复刻演员声音生成的音频，包括未经许可用于语音合成、深度学习、机器学习等场景。准则要求任何想复刻演员声音的主体在流程每一步都须取得当事人同意，AI 企业将演员声音用于训练须获表演者许可，经授权生成的语音被视为一类表演，企业需支付报酬或版税。为《龙珠》孙悟空配音的野泽雅子在接受 NHK 采访时称未经许可使用她的声音与盗窃没有区别，并提到听过的 AI 复刻声音没有情感。该工会约有 2600 名配音演员与演员会员，这份准则被称为日本首批针对 AI 语音录制的行业规范。
匹配字段标题、摘要、正文
蚂蚁百灵开源 Ming-3.0 语音系列，包含语音合成、音频理解与对话、语音识别三个系列共五款模型，开发者可按任务选择或组合进工作流。Ming-3.0-tts 的 Voice Design 支持用文字描述目标音色，也可用参考音频设定音色，导演模式可说明台词的表演方式。Ming-3.0-audio-flash 与 tiny 可直接对长音频做转写、总结和观点分析并结构化输出，Ming-3.0-asr-tiny 已用于支付宝搜索、蚁小保实时语音对话等场景，Ling Studio 提供部分模型的 API 服务。
匹配字段标题、摘要、正文
Deepgram 与 AWS 合作将 Nova-3 语音转文字模型移植到 Trainium2，单台 trn2.3xlarge 实例运行 8 个模型副本，在离线批处理场景下每美元处理的音频量比原有方案提升 11%–70%。团队用 TorchNeuron 完成 PyTorch 移植，并通过 NKILib 融合内核与手写 NKI 内核调优，其中 FFN 内核延迟降低 2.0x、depthwise conv1d 提速 1.5x，conv2d 内核解锁了 32 以上的批大小。
匹配字段标题、摘要、正文
原生音频模型直接处理或生成声学表示，保留时间、语调、说话人线索等文本转录会丢弃的信息。它与“先转写成文本再合成语音”的流水线有本质区别：后者改变了因果链条，成功证据、成本来源和风险控制方式都不同。文章按波形转音频 token、建模语音与非语音上下文、推断语义与对话状态、生成音频 token、解码自然语音五个环节拆解其工作流程。
匹配字段标题、摘要、正文
有用户建议把 Grok 机器人语音设为 Ara、速度调到 1.25x，马斯克转发回应称自己也是这么做的，但用的是 1.5X。
匹配字段标题、摘要
ElevenLabs 发布指南，介绍如何将 ElevenAgents 语音智能体接入 Salesforce、HubSpot、Zendesk 等 CRM 与客服系统，实现通话中读取客户记录、创建工单和更新联系人等双向数据操作。文中称接入实时上下文后，智能体解决查询的速度比脚本化聊天机器人或固定电话树等传统方式快最多 10 倍，并可通过通话中与通话后 webhook 自动记录工单历史、减少人工录入。
匹配字段标题、摘要、正文
LiveKit 发布指南，分享其解决方案架构师和前线部署工程师帮助客户将语音智能体 POC 转为生产系统的经验，核心围绕智能体是否足够聪明自然、能否观测生产表现、能否可靠且低成本扩展三个问题。指南给出 7 种方法，包括单独测量首轮响应延迟、将上下文拆成问候所需与后台加载两部分，并默认启用 turn_detection=inference.TurnDetector() 与自适应打断处理。
匹配字段标题、摘要、正文
OpenAI 发布 GPT Live 1.1，重点提升多语言支持，更新了法语、德语、印地语、墨西哥西班牙语、韩语和日语的语音，并减少了“checking...”等待。该版本正在 Codex、ChatGPT 和 Dots 中推送，API 即将上线。
匹配字段标题、摘要