搜索“语音”

xAI推出Custom Voices

xAI 推出 Custom Voices语音克隆功能

查看事件：xAI推出Custom Voices语音克隆功能

Gemini 3.1 Flash Live发布

2026年3月26日,Google开放Gemini 3.1 Flash Live。该模型面向开发者和企业,主打生产级可靠性与语音优先智能体,可用于规模化构建能够完成复杂任务的应用。材料称,其整体质量已经改进,并在ComplexFuncBench Audio的受约束多步函数调用测试及Scale AI AudioMultiChallenge的含中断长程推理测试中领先;其多语言能力也支持Search Live推广。

Sierra推出智能体构建工具Ghostwriter与Exp

2026年3月26日,Sierra发布智能体构建工具Ghostwriter,用户可上传SOP、客服通话记录、白板草图或音频,或用自然语言描述目标,即可生成覆盖语音、聊天、邮件和30多种语言的生产级智能体。配套的Explorer基于客户对话数据识别改进方向。Sierra表示平台已重构为无头基础设施,让智能体可直接调用完整工作区并在沙箱中验证改动。

Cartesia宣布其TTS平台符合GDPR

2025年9月24日,Cartesia宣布其文本转语音平台现已符合GDPR合规要求,满足欧盟关于合法数据处理、数据主体权利及安全措施的严格标准。该认证建立在SOC 2 Type II、PCI-DSS、HIPAA及可选零数据保留等既有安全基础之上。

Cartesia推出Organizations和Dashbo

2025年5月15日,Cartesia推出Organizations和Dashboards两项功能,面向扩展语音AI的开发者。Organizations支持团队共享API密钥、自定义语音和集中计费,已在Startup+计划上线,席位不限。Dashboards提供实时用量与并发可见性,可监控积分余额、查看并发语音生成数及WebSocket连接,其中并发与WebSocket监控自5月20日起可用。

Cartesia发布Python SDK v2.0.0

2025年3月28日,Cartesia发布Python SDK v2.0.0,围绕主客户端重构开发体验,支持异步客户端、流式输出、WebSocket、自动重试与指数退避,默认超时60秒。用户可通过pip安装并调用Cartesia语音API。

Cartesia宣布2700万美元种子轮融资

2024年12月12日,Cartesia宣布完成2700万美元种子轮融资,由Index Ventures领投,Lightspeed、Factory、Conviction等参投。公司基于S4和Mamba等新架构开发实时智能模型,已推出语音生成模型Sonic,并预览了新的端到端语音模型,可精细控制文本以减少幻觉。

Vapi 举办 Composer 网络研讨会并实时演示

2026年3月20日,Vapi 举办 Composer 网络研讨会并进行实时演示。据 Vapi Blog 报道,首席产品经理 Nick Robin 仅用一句提示词,在 30 分钟内为虚构品牌 Nick's Sunglass Shack 搭建出可上线的呼入客服语音智能体。Composer 是 Vapi 仪表盘内的产品助手,目前处于 alpha 阶段,支持无代码构建、调试和分析语音智能体,可创建助手、添加工具、更新提示词、配置号码并分析通话数据。目前该活动仅有这一项事实证据,暂无后续发展。

Sarvam AI 推出 Sarvam Studio 内容转换平台

2026年2月13日,Sarvam AI 推出 Sarvam Studio,一个将语音、文本和文档工作流整合到单一工作区的多语言内容转换平台,支持 AI 视频配音和智能体文档翻译。据 Sarvam AI Blog 同日发布的信息,在约 280 次与 ElevenLabs、YouTube Dub、Rask AI 等平台的盲测对比中,Sarvam 的配音输出获得最强整体偏好,说话人相似度平均得分 0.88,为研究中最高。该平台目前正通过受控早期 beta 计划,向政府、教育、媒体和出版领域的少量生产合作伙伴逐步开放。目前尚无后续发展事实。

Sarvam AI 推出 AI 配音模型 Sarvam Dub

2026年2月1日,Sarvam AI 发布 AI 配音模型 Sarvam Dub。据官方介绍,该模型支持零样本音色克隆,并将时长控制直接做进语音生成过程,官方称原本需要数周的配音流程可缩短到几分钟。其自建评测集覆盖 10 种印度语言和英语、64 位说话人,每套系统测试 700 多条音频,官方称跨语种场景下的说话人相似度优于同类方案。Sarvam Dub 已用于每月译制 11 种印度语言的 Mann Ki Baat、与 IIT Madras 合作的技术课程配音,以及通过 Republic TV 以卡纳达语和印地语实时配音的 2026 年印度联邦预算演讲;工程团队称相较基础 Torch 实现延迟降低 6.6 倍。目前尚无后续发展事实。

LG AI Research 发布 AI 伦理研讨会系列文章讨论 AI 偏见

2025年11月24日,LG AI Research 发布 2025 AI 伦理研讨会系列文章,本期 EP.2 聚焦 AI 偏见问题。文章指出,偏见源于训练数据或算法中嵌入的人类社会偏见,可能让特定群体在同等问题上被系统性误判。文中引用 MIT 与斯坦福研究:商用人脸识别对深肤色女性错误率高达 34.7%,对白人男性仅 0.8%;斯坦福另一项研究显示,同一句话对黑人说话者语音识别错误率达 35%,白人说话者为 19%。目前该系列文章已发布至 EP.2,暂无后续发展事实。

Preferred Networks 在 CHI 2025 展示 AR+AI 物体拟人化研究

2025 年 6 月 9 日,Preferred Networks 在 CHI 2025 展示了一项研究:用 AR 和 AI 把任意家居物品变成可对话的动画角色。据其介绍,系统通过 Vision Language Model 为物品生成名字、性格和声音,再由实时 LLM 结合环境与用户语音生成对话,无需预先注册或专用智能设备。多个角色之间还能自发交谈,物理靠近时可融合成拥有混合性格与外观的新角色。目前该研究处于展示阶段,尚无后续发展事实。

Vapi 发布 Vapi Workflows 可视化编排平台

2025年6月5日,Vapi 发布 Vapi Workflows,一个用于设计多步对话流程的可视化编排平台。据 Vapi Blog 介绍,该平台可通过 API 或可视化构建器配置,每个工作流由 Conversation、API Request、Transfer Call、Tool、End Call 等节点组成。平台支持按节点切换语音、模型或语言,提取并跨流程传递变量,用全局跳转节点转接人工,按逻辑或 AI 条件路由对话,以及实时调用 API 并处理响应。产品团队可可视化绘制流程,开发者用 API 接入真实逻辑,并可在通话模拟器中测试。目前尚无后续发展事实。

印度政府选定Sarvam构建主权大语言模型

2025年4月26日,印度政府通过IndiaAI Mission选定Sarvam,从零构建印度主权大语言模型。据Sarvam AI Blog当日发布的信息,Sarvam将获得专用算力资源,该模型具备推理能力、面向语音设计并支持印度语言,可在印度本地基础设施上安全部署。Sarvam计划开发三个模型变体:Sarvam-Large面向高级推理与生成,Sarvam-Small面向实时交互应用,Sarvam-Edge面向端侧紧凑任务,并与IIT Madras的AI4Bharat合作。目前尚无后续发展事实。

Vapi 宣布支持 SMS

2025年4月22日,Vapi 宣布其语音 AI 智能体现已支持 SMS。据 Vapi Blog 当日发布的信息,该功能可在通话中发送外呼短信、实时接收并回复来信,并在用户停止说话转为打字时从语音切换到文本。启用方式为导入 Twilio 号码并在 Vapi Dashboard 创建 Send Text 工具,美国用户需注册 A2P 10DLC 或验证 toll-free 号码。Vapi 同时表示,后续将支持更多服务商、MMS 富媒体、自动消息模板及跨语音与文本的多渠道对话历史。目前该故事尚无后续发展事实,状态停留在上述发布。

Together AI发布多项GTC产品进展

Together AI 发布并集成 NVIDIA模型、智能体与语音AI能力

查看事件：Together AI发布多项GTC产品进展

goose 公布资助项目 Goose In A Pond

2026年2月24日,goose 公布其 10 万美元资助计划的获奖项目 Goose In A Pond。据 goose 官方博客介绍,该项目由肯尼亚内罗毕五人团队 Jarida 基于 goose 开源智能体框架打造,部署在 NVIDIA Jetson Orin Nano 上,可本地运行 1–7B 量化模型,速度达 40–70 tokens/秒。项目使用 Whisper、Vosk、Coqui TTS 实现离线语音,并计划开源 Moonbeam 等 MCP 服务器。目前尚无后续发展事实,状态停留在公布阶段。

Mistral发布Voxtral转录模型

Mistral AI 发布 Voxtral Transcribe 2语音转录模型系列

查看事件：Mistral发布Voxtral转录模型

Cartesia宣布其TTS平台符合GDPR

Cartesia 宣布 其文本转语音平台符合GDPR

查看事件：Cartesia宣布其TTS平台符合GDPR

Mistral AI更新Le Chat

Mistral AI 更新 Le Chat深度研究、语音、推理、项目及图像编辑功能

查看事件：Mistral AI更新Le Chat