搜索“语音”

Descript 介绍 Studio Sound 一键去除背景噪声

Descript 介绍其 Studio Sound 功能,可一键去除背景噪声、混响和麦克风噪声。据 Descript 官方产品更新于 2026 年 10 月 10 日发布的文章,该功能的机器学习模型会先提取语音内容,再重新合成,从而模拟在录音棚中录制的效果。文章还对比了 AI 降噪、噪声门和 EQ 三种方法,并介绍了录音前选择安静环境、使用合适设备等减少噪音的做法。目前该故事没有新的发展事实,状态停留在这一功能介绍。

消息称Apple HomeHub因Siri改进而得以发布

2026年10月9日,X.PIN援引知情人士消息报道,Apple新款HomeHub因Siri在LLM加持下改进而得以发布。报道称,该产品内置的homeOS多年前就已完成,真正拖住产品的是Siri;由于HomeHub以语音为核心交互,Apple智能家居硬件团队此前不愿放行一款主界面为Siri的设备,因为Siri多年表现不佳。大语言模型让Siri在理解自然语音上明显改善后,团队才认为时机成熟。报道还称,该产品将于10月13日与LG的智能家居合作一同发布。目前尚无后续发展事实。

Dan Shipper 分享使用 OpenAI Dots 的体验与判断

2026年10月8日,Dan Shipper 分享了他和 Every 团队使用 OpenAI Dots 的体验与判断。据其描述,Dots 上周发布后已在 Every 团队内部广泛使用,可代查 Slack 消息、从学校邮件中提取信息、标记账号访问请求,并支持语音远程操作。Dan Shipper 认为,Dots 与 Muse、Instinct、Grok bots 功能大致持平,但接入 ChatGPT 生态是实际优势。他同时指出,权限审批重复、批准后仍无法执行的问题仍待修复。目前该故事没有后续发展事实。

Cerebras Inference 上线 AWS Marketplace

Cerebras 于 2025 年 11 月 25 日将 Cerebras Inference 托管服务上线 AWS Marketplace。据其官方博客介绍,该服务按 token 付费、无需自建基础设施,可在原有 AWS 账单与安全框架内通过 API 接入。同一来源还提到,Rox 在其企业营收智能体平台中采用 Cerebras Inference 作为低延迟推理路径,通过按意图动态路由模型,让 Command 对话、语音免手操作和实时研究查询即时响应,深度研究任务则交给后台大模型处理;Rox 创始工程师称响应速度比此前方案快 10-20 倍,且输出质量保持出色。目前尚无该服务上线后的进一步独立发展事实。

OpenAI在Dev Day发布Decisions API

OpenAI在Dev Day上发布了Decisions API。据代表证据报道,此次Dev Day上OpenAI为软件工程智能体Codex推出可跨设备复用的云开发环境,开发者可在电脑、手机或云端运行Codex,团队可共享带审批设置和权限的工作区;Codex CLI更新支持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。目前尚无该发布之后有合格事实证据的进一步发展。

LiveKit Agent Simulations 正式可用

LiveKit 正式发布 Agent Simulations 语音智能体测试功能

查看事件：LiveKit 正式发布 Agent Simulations 语音智能体测试功能

ElevenLabs讲解会议转录API搭建

2026年10月8日,ElevenLabs发布教程,讲解如何搭建基于Scribe v2系列的会议转录API。据其官方博客介绍,该方案提供Scribe v2与Scribe v2 Realtime两款语音模型,支持90多种语言。其中Scribe v2 Realtime实现音频输入到文本输出150毫秒低延迟,支持最多50个关键术语提示;Scribe v2则用于会后批量转录,准确率更高、成本更低。企业用户还可启用Zero Retention Mode满足隐私要求。目前该故事尚无后续发展事实。

ElevenLabs上线OpenRouter,带来9个TTS与2个STT模型

2026年10月7日,ElevenLabs上线OpenRouter,提供9个文本转语音(TTS)和2个语音转文本(STT)模型。据OpenRouter公告,其中Eleven v4可输出带人类情感的语音,v4 Turbo为智能体提供低延迟回复,Scribe v2能把会议转成标注发言人的笔记。目前该事件没有后续发展事实,状态停留在上线当日。

Sierra与Meta发布Personal Agent Protocol

2026年10月7日,Sierra宣布与Meta及Genesys、Instinct、Rocket、Shopify、Stripe、Walmart等合作方共同开发并发布Personal Agent Protocol开放标准,用于定义个人智能体与商家交互的方式,并开放给任何人实现。该协议基于OAuth构建会话,消费者决定授予智能体只读或写入权限,企业则设定智能体可通过网站、基于MCP和OpenAPI的API或企业自有智能体执行哪些操作。Sierra表示后续可能加入更细粒度的权限、推送通知和支付扩展。同日,Sierra在旧金山Sierra Summit 2026上发布Agent OS新增模型Curie与Fleming,并推出Tandem Voice语音方案、Persona Studio声音定制工具,同时提及该协议。目前尚无进一步发展。

ElevenLabs推出ElevenAgents Architect内置专家助手

2026年10月6日,ElevenLabs推出ElevenAgents Architect,这是一个内置在ElevenAgents中的专家助手,团队只需通过对话或输入文字即可启动并改进智能体。据ElevenLabs官方博客介绍,该助手理解ElevenAgents的知识库、提示词、工作流、语音设置、护栏、工具和模拟等配置,能够分析通话记录、定位问题并给出修改建议,还会编写模拟测试供部署前验证。目前该事实仅有官方来源,尚无其他独立来源的后续发展报道。

Artificial Analysis展示Provider Voice TTS排行榜

2026年10月6日,Artificial Analysis 展示了 Provider Voice TTS 排行榜,列出该榜单上的顶尖语音模型。相关发布同时提供三个入口:查看排行榜、在 Speech Arena 中为模型投票,以及在 Speech Explorer 中探索示例片段。目前该事件仅有这一条事实证据,尚无后续发展事实,也没有官方证据或补充交叉来源,因此榜单的具体模型、排名与评测方法均未在现有材料中说明。

Tavus推出视频交互模型Griffin

2026年10月2日,Tavus推出名为Griffin的Human Interaction Model,可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。Tavus研究显示,48%的参与者在一次一分钟视频通话后认为Griffin是真人,此前系统最高为2%。在Tavus称为Nvidia独立测试的拟人度评分中,Griffin得3.83分,真人为3.92分,此前最佳AI模型为2.80分。名为Griffin-Lite的预览版已向部分测试者开放,能力更强的版本将在安全问题解决后推出。另一报道称,该模型目前仅向可信测试者开放,公开推出前将继续完善安全与披露功能。

Google为Android版Gemini Live推出引导视觉

Google于2026年10月1日在兼容Android设备上为Gemini Live推出Guided Vision(引导视觉)功能,用户共享摄像头即可获得实时语音描述和取景提示。据Google Blog介绍,该功能与盲人和低视力社区共同开发,Google与Aira合作处理了数万小时视觉解读数据,超过1000名Aira测试者参与压力测试与安全护栏评估。Google说明它属于辅助工具,可能出错,不是医疗设备、行动辅具或白手杖替代品,也不用于导航和避障。目前尚无后续发展事实。

Legato推出AI助听眼镜

2026年10月1日,助听科技初创公司Legato宣布其旗舰AI助听眼镜Legato Frames正式开售,起售价999美元,面向轻中度听力损失成年人。该产品将助听技术集成于镜腿,用AI区分人声与背景噪声并放大语音,双扬声器系统将声音导向佩戴者,耳外几英寸处声音可降低99%。全部处理在眼镜端完成,不含摄像头与录音,整机含镜片重34克,续航10-12小时,提供三种款式并支持处方镜片与蓝牙音频。Legato由前Bose高管Mehul Trivedi和Steve Romine于2024年创立,此前完成1200万美元融资。目前尚无后续发展事实。

ElevenLabs在阿姆斯特丹设立办公室

2026年10月1日,ElevenLabs正式进入荷兰市场,在阿姆斯特丹开设办公室,并任命Goswijn Thijssen领导当地团队。据其官方博客同日发布的信息,公司计划今年将荷兰团队规模扩大两倍。该消息还提到,荷兰最大电信公司KPN部署其语音智能体后,邮编识别准确率从64%提升至82%,智能体已扩展至每周约6万通电话、成功率62%;目前平台上有100个荷兰语声音,客户已生成超过2亿条音频片段。目前尚无后续发展事实。

ElevenLabs上线OpenRouter

OpenRouter 上线 ElevenLabs语音模型

查看事件：ElevenLabs语音模型上线OpenRouter

ElevenLabs上线OpenRouter

OpenRouter 上线 ElevenLabs语音模型

查看事件：ElevenLabs上线OpenRouter,带来9个TTS与2个STT模型

Eleven v4 Turbo多语种评测领先

Eleven v4 Turbo 在受控语音竞技场排名领先 阿拉伯语、德语、印地语及英式英语榜单

查看事件：Eleven v4 Turbo多语种评测领先

展示Eleven v4 Turbo样例

Artificial Analysis 展示 Eleven v4 Turbo语音提示样例

查看事件：Artificial Analysis展示Eleven v4 Turbo语音提示样例

Embiricos 回应通话界面反馈褒贬不一

2026年10月2日,Alexander Embiricos 回应 dot 语音通话体验,称自己也很喜欢通勤时用 dot 语音通话,并提到通话 UI 收到的反馈褒贬不一。同日稍晚,用户 dominik kundel 表示,多亏了 dot,他在通勤途中完成了大量工作,包括排练演讲,而常规语音模式一直不太适合他;其引用的 Embiricos 说法与早先一致。目前公开信息仅涉及上述用户反馈与回应,未提及后续改动或结果。