英国 AI Security Institute 宣布与总部位于伦敦的 AI 语音技术公司 ElevenLabs 建立研究合作伙伴关系，双方将在 AI 安全与安保领域开展双向深度协作，包括共享研究、探索语音 AI 系统的新兴风险、缓解措施与最佳实践。合作将围绕实时 AI 语音对话对人的影响积累证据，包括人们能否在实时语音对话中区分 AI 与人类，以及对话伙伴的身份感知如何影响信任与行为。
匹配字段标题
开发者用 Raspberry Pi、128 × 64 HUB75 LED 面板、Codex 和 GPT-Live-1 全双工语音模型搭建了一个语音助手 Jack，可显示天气、日历、地铁到站等信息。GPT-Live-1 负责对话与打断，需要外部信息时由 Raspberry Pi 发起 Responses API 请求，调用 GPT-5.6 Luna 以低推理强度联网搜索、读取日历并查找 Wikimedia Commons 图片。
匹配字段标题
Exponential View 作者 Nathan Warren 忘带笔记本电脑后，靠手机上的 ChatGPT 完成了一周工作，主要方式是语音对话而非盯着屏幕。他把这归功于 OpenAI 7 月发布的 GPT-Live，该功能允许用语音指挥智能体，体验类似钢铁侠里的 Jarvis。他称这次意外成了一场真实实验，想分享自己的配置和只用语音办公的发现。
匹配字段标题
Descript 推出重大 AI 功能更新，包括新的 AI 语音（AI voices）和 AI Actions 等多项能力。官方博客同时提供免费录音与剪辑技巧订阅，并汇集创作者的经验与建议。
匹配字段标题
作者表示自己开车上班时会对着特斯拉里的 Grok 说话，并让他的机器人记录要点。该帖是在回应另一条帖子：对方称特斯拉自动驾驶时自己和 grokbot 一边工作，妻子则让他去买尿布。
匹配字段标题
HeyGen Voice 上的示例提示词：“我已查询您在 LAX 的租车预订。您的车辆升级为全尺寸轿车已获批准，无需额外费用，明天上午 8 点可提车。”
匹配字段标题
HeyGen Voice 在 Artificial Analysis Controlled Voice Arena 的助手与客服类别中排名第 1： ➤ 助手：第 1，得分 1,214 ➤ 客服：第 1，得分 1,212 ➤ 知识分享：第 2，得分 1,158 ➤ 娱乐：第 4，得分 1,178 按口音划分，HeyGen Voice 在 English (UK) 中排名第 1，得分 1,190；在 English (US) 中排名第 2，得分 1,206，落后于 Qwen-Audio-3.1-TTS-Plus 的 1,220。
匹配字段标题
查看 Artificial Analysis 可控语音 TTS 排行榜上的顶尖模型：https://t.co/aKvSjv4XV3 在 Speech Arena 中为模型投票：https://t.co/RQI6TUfni7 在 Speech Explorer 中探索示例片段：https://t.co/jf5GJ541oT
匹配字段标题
语音活动检测（VAD）通过逐帧分析音频流，判断每 10-30 毫秒的音频帧中是否含有人声，并向 ASR/STT、LLM 和轮次规划器等下游系统输出是否处理该帧的信号。VAD 算法以捕获、分帧、特征提取、打分、状态决策五阶段循环运行，分为传统信号处理、神经和语义三类，其中语义 VAD 能结合语境判断说话人是否说完。VAD 只判断有无语音，不识别具体词句，也不等同于判断说话结束的端点检测。
匹配字段标题
ElevenLabs 在 ElevenAgents 中发布合成语音检测功能，可在通话最初几秒分析来电者语音并判定其为真人还是 AI 生成，企业可据此设置规则，例如优先服务真人客户、限制 AI 来电者的交互范围，或在敏感操作前拦截克隆语音。该功能运行在实时音频流上，不依赖音频是否带有 ElevenLabs 水印。ElevenLabs 同时以设计伙伴身份加入由 Meta 和 Sierra 主导的 Personal Agent Protocol 工作组，参与制定个人智能体向企业表明身份、代表对象及可执行操作的规范。目前该检测功能面向由 Forward Deployed Engineering 团队支持的企业客户开放，本月晚些时候将作为 ElevenAgents 内的可配置选项向更广泛的企业客户提供。
匹配字段标题
Simon Willison 在 ChatGPT 桌面应用的 Codex 标签页里用语音对话模式，对着本地开发环境让 GPT-6 Astra High 为他的博客开发了一个 Django 新功能，边做饭边聊了约半小时就基本完成。随后他在 GitHub PR 中审查代码，又用半小时打字提示把导入脚本从 Git 子进程改为 API 方式并调整页面显示，最终合并部署。他认为视觉预览加键盘补充让语音交互更强，但细节仍靠打字，最大价值是能一边做饭一边干活。
匹配字段标题
C3 Voice Assistant 是基于 LlamaIndex 与 GPT-3.5 构建的语音助手，通过唤醒词“C3”或点击蓝色圆环激活，面向打字困难或有无障碍需求的用户，支持通用查询和文档级问答（如 Nvidia FY 2023 10K 报告）。前端采用 React.js 并托管于 Vercel，后端用 Python Flask 与 create-llama 搭建并部署在 Render，聊天记录以文本侧边栏展示。
匹配字段标题
Serve AI 把原本跑在 Retell 上、拥有 224 个节点和 600 多条边的对话流程图，重写为 LiveKit 上的单提示词智能体，并用 Agent Simulations 将约 100 通真实生产通话转为测试场景，迭代 10 到 15 次后达到 98% 通过率、中位轮次延迟 1.3 秒（上限 1.5 秒）。上线后该智能体相比 Retell 提升 15% 的 containment，Serve 估算每年为客户多省 32 万美元，首个账号迁移耗时一周且无回滚。
匹配字段标题
LiveKit 发布 Agent Simulations，用 LLM 驱动的模拟用户跑完整个场景，再由 LLM 裁判按自定义预期给出通过或失败及原因，现已面向所有 LiveKit Cloud 项目开放。该功能按任务而非逐轮对话测试，CLI 可读取智能体代码自动生成场景，文本模式默认运行且可在每次 pull request 时执行，音频模式覆盖背景噪声、打断和附和声，按更高费率计费。Serve AI 曾用它在切换流量前以一百通真实生产通话验证一次完整的智能体重写，10 月前免费使用。
匹配字段标题
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一个 1.6B 参数的语音识别模型，重点覆盖阿联酋方言、阿拉伯语方言、现代标准阿拉伯语和英语。在 Open Universal Arabic ASR Leaderboard 的六个测试集上，其平均 WER 为 20.92%，比该榜单快照中最佳公开结果好 2.25 个百分点；内部阿联酋方言评测中 WER 为 22.73%、CER 为 10.19%，WER 比 Qwen3-Omni 低 4.07 个百分点。模型用同一套权重支持英语、法语、西班牙语和葡萄牙语，无需指定语言，并支持词级时间戳，已在 Hugging Face Demo Space 开放试用，API 与原生应用尚在计划中。
匹配字段标题
我们暂时对所有用户关闭 Grok 语音模式，以解决一个问题，很快就会重新对所有人开放！
匹配字段标题
AWS 发布方案，用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova 2.5 Sonic 为航空公司应用搭建语音旅行助手，旅客可通过语音查询行程、改座位、更新餐食偏好和咨询政策。方案通过 AgentCore Gateway 以 MCP 连接后端，用 Strands Agents 框架托管在 AgentCore runtime，并支持转接人工客服。前端由 AWS Amplify 托管，后端使用 Lambda、DynamoDB 和 API Gateway。
匹配字段标题
Alexander Embiricos 转发了 Atty Eleti 关于 Dot 语音的反馈与改进计划：用户反映连接慢或失败、电话式交互体验、无法查看转录或摘要、"Checking" 提示过多、有时静默无更新。团队将提升连接速度与可靠性、保留电话式交互但做到即时、在 UI 中加入转录和摘要、增加"Checking"的多样性并最终对快速问题移除该提示、增加更规律的进度更新。
匹配字段标题
Artificial Analysis 的 Provider Voice TTS Arena 榜单显示，ElevenLabs 的 Eleven v4 Turbo 以 Elo 1,334 排名第一，超过 Eleven v4 的 1,321、阿里 Qwen-Audio-3.1-TTS-Plus 的 1,292 和 Cartesia Sonic 3.6 的 1,278。其定价为 $40/1M 字符，是 Eleven v4（$80/1M 字符）的一半，生成速度为每秒 96 字符，高于 Eleven v4 的 84 和 Eleven v3 的 59。在 Controlled Voice 分项中它以 Elo 1,173 排名第二，发音稳健性得分 90.1%。
匹配字段标题
Eleven v4 Turbo 上的示例提示词：“感谢您的耐心等待。我现在帮您调取详细信息……好的，我看到您的包裹今天早上 6 点左右离开了仓库，预计上午 10 点到 11 点之间送达。”
匹配字段标题