Bland 推出 Blandie 公开演示，可基于企业网站生成品牌语音与短信智能体
Bland 推出新工具 Blandie 的公开演示，可根据企业网站内容自动创建带品牌标识的语音和短信智能体。消息以企业名称和 logo 的认证发送方形式发出，Android 走 RCS、iPhone 走 iMessage，智能体可处理预订和支付，回答基于所提供网站的内容，还能回复网站截图和图片。智能体可记住客户是否拨打过 Bland 的电话号码，并在文字聊天中引用。
匹配字段标题、摘要
←搜索结果
搜索“语音”
OpenAI 为 ChatGPT 等语音模式升级 GPT-Live-1.1
OpenAI 为 ChatGPT、Codex 和 dots 的语音模式推出升级，新模型 GPT-Live-1.1 新增法语、德语、印地语、墨西哥西班牙语、韩语和日语语音，并修复了持续显示“Checking..”的问题。API 支持即将推出。
匹配字段标题、摘要
OpenAI 发布 GPT-Live-1.1 语音更新
OpenAI 宣布 GPT-Live-1.1 为 ChatGPT、Codex 和 dots 的语音功能带来新声音、更好的口音以及更少的“checking...”停顿，新增法语、德语、印地语、墨西哥西班牙语、韩语和日语声音。今日起向所有用户推送，API 即将上线。
匹配字段标题、摘要
Meta 联合米兰布雷拉美术馆推出 AI 眼镜无障碍导览，支持艺术品识别及语音讲解
Meta 与 EssilorLuxottica 及意大利米兰布雷拉美术馆合作推出名为“Sensing Art”的 AI 眼镜无障碍导览试点项目，面向盲人及低视力群体，首批覆盖馆内八件艺术作品。参观者可通过眼镜识别艺术品，用内置开放式扬声器收听语音讲解，并获得展品间的语音方向指引，还可通过 Meta AI 了解环境信息或借助 Be My Eyes 连接远程志愿者。该服务已于 10 月 13 日向公众开放，可提前预约体验。
匹配字段标题、摘要、正文
IBM 发布 Granite Switch 4.1：一个端点提供对话、决策与语音能力
IBM 发布 Granite Switch 4.1-8B 和 4.1-30B，内置一组预编译适配器，可在同一端点提供对话、决策与语音能力。由于适配器共享基座模型的 KV cache，在通用决策适配器之外叠加专用适配器几乎不增加成本，专用适配器在专门分类任务上可超过通用决策模型。在 5 步 RAG 工作流对比中，Granite-Switch-4.1-30B（冻结基座 Granite + 4 个专用 aLoRA）快于 Jev-27B（冻结基座 Qwen + 1 个通用决策 LoRA）；其 3B 版本在 Doom 游戏中达到 60-100 次决策/秒，并可在游玩时进行叙述和回答问题。IBM 计划在 Mellea 中发布用于训练适配器的 Adapter SDK，并支持社区用自定义及第三方适配器组合自己的 Granite Switch 模型。
匹配字段标题、摘要
GPT-Live-1.1 系统卡：OpenAI 发布新一代语音模型
OpenAI 发布 GPT-Live-1.1 与 GPT-Live-1.1 Quip 两款全双工语音模型，前者接替 GPT-Live-1，后者接替 GPT-Live-1 mini。GPT-Live-1.1 成为 Plus 及以上用户（含 Codex 和 Dots）的默认语音模型，GPT-Live-1.1 Quip 为其他用户默认。在合成音频评测中，GPT-Live-1.1 在性内容、心理健康、情感依赖和血腥类别上相较 GPT-Live-1 出现统计显著退步，OpenAI 表示需进一步研究并在后续版本改进。
匹配字段标题、摘要
NAVER Cloud 发布 Sommelier：面向全双工语音语言模型的实时对话数据管线
NAVER Cloud 在 ACL 2026 发布论文，提出 Sommelier——一个可扩展的开源多轮音频预处理管线，用于全双工语音语言模型。该管线把真实对话中的重叠语音、插话和反馈保留下来，而非当作噪声删除，从而让模型学会实时打断与回应。部分管线已开源供研究使用。
匹配字段标题、摘要
马斯克称 Grok 是最佳对话语音模型
马斯克发帖称 Grok 是全球最好的对话语音模型。他所引用的帖子介绍 Grok Voice 3.0 为全球最智能的语音到语音模型，擅长处理客户来电，响应时间不到一秒，成本低于其他前沿模型。
匹配字段标题、摘要
François Chollet 推荐 Gakku：K-12 语音 AI 写作辅导应用
François Chollet 推荐 Annie 团队打造的 Gakku，一款面向 K-12 学生的 AI 辅导应用，用语音对话教练带学生完成 10 分钟写作“任务”，覆盖头脑风暴、起草与修改，而非代写。他认为对话式 AI 能实现无法规模化的 1 对 1 辅导，带来这一代人最大的教育跃升。
匹配字段标题、摘要
xAI 发布 Grok Voice 3.0，登顶 Artificial Analysis 语音对话指数
xAI 发布实时语音对话模型 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech 指数上以 86.9 分登顶，高于 OpenAI GPT-Live-1 的 83.2 分和 Google Gemini 3.8 Live 的 82.6 分，前代 Grok Voice 2.0 为 81.3 分。该模型在 τ-Voice 客服对话基准上成功率从 56.5% 升至 71.6%，位列第二，落后 GPT-Live-1（Astra, Medium）的 74.5%；人类盲测偏好排名第三，语音输出平均延迟 0.81 秒，价格维持每分钟 0.08 美元。xAI 称其已在特斯拉车辆中每天处理数百万次对话，并在 Starlink 工作日接听约 2 万通客户来电，其中约 70% 无需人工介入，现已通过 API 开放。
匹配字段标题、摘要
SpaceXSI 发布 Grok Voice 3.0，语音到语音指数超过 OpenAI 与 Google
SpaceXSI（原 xAI）发布语音到语音模型 Grok Voice 3.0，用于其 Voice Agent API。Artificial Analysis 的 Speech-to-Speech Index 给它 86.9 分，高于 GPT-Live-1 的 83.2 和 Gemini 3.8 Live 的 82.6；Full Duplex Bench 得分 97%。在 Tau-Voice 上 OpenAI 模型以 74.5% 略高于 71.6%，但 SpaceXSI 称其首次出声快约 40%。该模型现已在 Voice Agent API 上线，每分钟 8 美分，与 Grok Voice 2.0 同价。
匹配字段标题、摘要
Fish Audio 发布 Drama 3：35B 开源权重 MoE 文本转语音模型
Fish Audio 本周发布 Drama 3，一个 35B 参数的混合专家（MoE）文本转语音模型，每 token 约 3B 参数激活，权重已上传 Hugging Face 并同步上线 Fish Audio API。模型支持 83 种语言，可用方括号内的自然语言表演指令控制语气，单次请求最多支持 16 个说话人。在 Artificial Analysis 发音鲁棒性评测中整体得分 93.2%，其中品牌、地名与技术术语 95.9%，代码、路径、邮箱等精确序列为 86.3%；自托管需至少 48 GB 显存的 NVIDIA GPU 并以 FP8 运行，API 标价每 100 万字符 50 美元，11 月 12 日前为 10 美元。
匹配字段标题、摘要
SpaceXAI 发布 Grok Voice 3.0，登顶 AA 语音对话指数
SpaceXAI 发布语音到语音模型 Grok Voice 3.0，在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一，高于 GPT-Live-1（Astra, medium）的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。该模型通过 /v1/realtime WebSocket 端点以 grok-voice-3.0 提供，仅托管 API、无开放权重，价格维持 $0.08/分钟，首音频延迟 0.81 秒。其 τ-Voice 得分 71.6%，仍低于 GPT-Live-1 的 74.5%。
匹配字段标题、摘要
xAI 发布 Grok Voice 3.0 语音模型，登顶 Artificial Analysis 语音到语音榜
xAI 发布 Grok Voice 3.0 语音到语音模型，在 Artificial Analysis Speech to Speech Index 上以 86.9 分登顶，高于 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live Extended Thinking（High）的 82.6，较 Grok Voice 2.0 的 81.3 提升 5.6 分。该模型通过 SpaceXAI Realtime API 提供，价格与 Grok Voice 2.0 相同，为每分钟 0.08 美元、每小时输入音频 4.80 美元；Big Bench Audio 音频推理得分 98.5%，平均首音频延迟 0.81 秒，Tau Voice 得分 71.6%。
匹配字段标题、摘要
Larsen Cundric 感叹语音模型进步惊人
Larsen Cundric 就 xAI 发布 Grok Voice 3.0 评论称“语音正变得好得吓人”。被引用的发布帖介绍，Grok Voice 3.0 是号称全球最智能的语音到语音模型，擅长处理客服通话，响应时间不到一秒，成本低于其他前沿模型。
匹配字段标题、摘要
xAI 推出 Grok Voice 3.0 语音转语音模型
xAI 发布 Grok Voice 3.0，称其为全球最智能的语音转语音模型，擅长处理客服通话，响应时间低于一秒，成本低于其他前沿模型。Elon Musk 转发并附上试用提示。
匹配字段标题、摘要
xAI 发布 Grok Voice 3.0 语音到语音模型，Voice Agent API 每分钟 0.08 美元
xAI 于 10 月 14 日发布 Grok Voice 3.0 语音到语音模型，已在 Voice Agent API 上线，定价每分钟 0.08 美元，与上一代相同。xAI 引用 Artificial Analysis 10 月 13 日的独立测试称，该模型以 86.9 分位列 Speech-to-Speech Index 第一，高于 GPT-Live-1（Astra, Medium）的 83.2 和 Gemini 3.8 Live 的 82.6，延迟低于一秒。xAI 还称其在 ServiceNow 的 EVA-Bench 上取得 74% 的最高准确率，并已在 Tesla 车辆和 Starlink 呼叫中心部署，后者每天处理 2 万通客户来电。
匹配字段标题、摘要
Square 发布旗舰智能 Kiosk：支持智能体 AI 语音点单，售价 1999 美元
Square 于 2026 年 10 月 14 日推出旗舰自助点单 Kiosk，搭载智能体对话式语音层，可实时回答菜单问题、推荐菜品并支持语音与触屏随时切换，售价 1999 美元加每台每月 99 美元软件费，当天起在美国上市，仅支持英语。设备配备 21.5 英寸触屏、飞行时间传感器和三麦克风 AI 降噪，集成 tap、dip、PIN 支付与礼品卡扫描，并同步推出面向大型连锁快餐的多账户管理方案。
匹配字段标题、摘要
xAI 发布 Grok Voice 3.0 语音对语音模型
xAI 发布 Grok Voice 3.0，官方称其为全球最智能的语音对语音模型，在多项基准和 Artificial Analysis Speech-to-Speech Index 上达到 SOTA，延迟降低 40%，响应时间不到一秒，并强调其成本低于其他前沿模型，擅长处理客户来电场景。
匹配字段标题、摘要
Lingxi Li 推荐在 Grok 语音中试用
Lingxi Li 发帖推荐在 Grok 的 @Bot 语音中试用。该帖引用了 SpaceX Super Intelligence 宣布 Grok Voice 3.0 的推文，称其为全球最智能的语音到语音模型，擅长处理客户来电、响应时间不到一秒，且成本低于其他前沿模型。
匹配字段标题、摘要