Skip to content

#语音

4 today

Today · Nov 17Tuesday · 4 items

OpenAI News

At Holiday Extras, dots get to work before anyone asks

Holiday Extras 员工使用 dots 主动生成产品上线报告、提醒潜在问题,并通过语音讨论即将举行的会议。AI 创新副总裁 Liam Thompson 的 dot 从 Google BigQuery 获取数据后主动提交报告;同事 David Lee 的 dot 在 API 密钥需要停用时检索邮件,列出可能受影响的人。

Google Blog · Gemini

Regional voices are rolling out in the Gemini app.

Gemini 应用在 Android 和 iOS 端上线 66 种新地区语音,覆盖美式英语、英式英语、印度英语、印地语、巴西葡萄牙语、印尼语和韩语等,每种语言都提供定制选项。这些语音针对自然语调和日常清晰度调校,而非夸张口音,用户选定的语音可在 Gemini Live、语言练习和聊天朗读中全局沿用。用户可通过 Gemini Live 的三点菜单或应用设置中的语音选项预览并选择。

TechCrunch · AI

Jordan Belfort’s new AI voice startup, Tone, wants to sell like the ‘Wolf of Wall Street’

“华尔街之狼”原型 Jordan Belfort 创办的 AI 语音公司 Tone 推出自助平台,内容创作者和作者可选用 Tone 的 AI 声音,或通过即将上线的声音克隆功能克隆自己的声音,把书变成“富有表现力的 AI 生成旁白”。Tone 称其语音能通过把陈述句说成问句、偶尔低语等方式提升销售说服力,延迟约 600 毫秒,已用于律所、健康险等场景的完整销售流程。

TechCrunch · AI

Audible turns to AI to help users discover audiobooks

Audible 上线“audio discovery”功能,用 AI 生成书籍主题概览与读者好评摘要,并搭配编辑或作者评论及试听片段。该功能初期面向美国部分英文书目开放,同时推出基于收听偏好的个性化合集。Audible 称概览还会参考公开的书摘和元数据,其 Recaps 与“Ask a Question”工具将于 12 月扩大覆盖范围。

Yesterday · Nov 16Monday

Nov 14Saturday

Hacker News front page

Tech companies are trying to shift the concept of privacy again

EFF 指出,科技公司的 AI 眼镜和持续音频记录设备正把个人隐私选择扩展到周围人,使旁观者难以拒绝被记录。文章以 Apple 的 Audio Intelligence、Amazon 的 Bee 及 Meta、Google 的智能眼镜为例,指出厂商的技术隐私承诺主要保护设备用户,未解决旁观者的同意与退出问题。EFF 认为,隐蔽的持续记录会削弱私人交谈的开放性,使用者应告知周围人并取得同意。

Nov 13Friday

The Decoder

Meta's Muse now calls businesses for you, but many companies might just hang up on the AI

Meta 的 AI 智能体 Muse 现已向美国所有付费订阅用户开放代打电话功能,可代用户致电美国商家。该功能在 9 月测试,能持续等待接听并处理复杂电话菜单,适用于联系有线电视公司、DMV 和餐厅。许多商家识别出 AI 后会挂断电话,这一问题曾迫使 Meta 在 9 月为 Muse 暂时测试人工接线员。

TechCrunch · AI

ElevenLabs’ new app combines meeting note-taking and dictation for teams

ElevenLabs 发布实验性应用 ElevenAI,将会议记录、听写和智能体集成合为一体,目前处于预览阶段,需申请早期访问。该应用支持跨会议查询数据、会议中实时协助,听写功能覆盖 90 多种语言,并可通过 ElevenAgent 基于会议记录执行写邮件草稿等后续操作。ElevenLabs 同时上线 v3 系列 Scribe 语音转文字模型,支持实时转写和企业自有数据微调。

Hacker News front page

Show HN: RealtimeVAD – trading false positives for 110ms earlier end-of-speech

RealtimeVAD 在 Silero VAD 上增加音量检测,以更多误报换取更早的停语信号,目前处于 alpha(0.0.5)。在 3,279 个真实语音助手轮次中,停语信号比 Silero 概率降至 0.35 的时刻中位提前 110 ms;相同静音设置下,结束事件在 82 % 的轮次中更早,中位提前 70 ms。

TechCrunch · AI

Muse can now place calls to US businesses — if you pay

Meta 的消费级 AI 智能体 Muse 已向美国付费订阅用户开放代打电话功能,可代表用户致电美国商家。该功能此前仅供部分申请获得权限的早期用户试用,适用场景包括联系有线电视公司、DMV 或不提供在线订位的餐厅。部分商家和接线员会在识别出 AI 智能体后挂断电话;目前通话功能仍仅限付费用户,近期新增的 Muse 邮箱地址创建功能则将很快向免费用户开放。

Nov 12Thursday

TechCrunch · AI

Norwest pushes deeper into AI with new $4B fund

富国银行全资支持的 Norwest 募集 40 亿美元新基金,为其第 18 只、规模最大的一只基金,将重点扩大 AI 投资。资金覆盖消费、医疗、科技等行业,并继续布局 physical AI、voice AI、智能体网络安全与航空航天,投资地域包括美国、印度和以色列。自 2024 年第 17 只 30 亿美元基金关闭以来,Norwest 已完成逾 87 笔投资。

TechCrunch · AI

Nine Korean startups vie for a spot in Disrupt 2027’s Startup Battlefield 200 competition

九家韩国深科技初创公司在首尔 DETO 2026 大会上路演,争夺 Disrupt 2027 Startup Battlefield 200 的参赛名额,其中通过语音分析检测大脑健康变化的 Voinosis 获胜。Voinosis 的语音检测每次不到五分钟,在 146 人临床研究中筛查潜在认知问题的准确率达 88%。其余八家覆盖金融科技、能源、半导体与 AI 等领域,均计划进军美国市场。

OpenAI News

JioStar’s chief architect on AI discovery at 500M-user scale

JioStar 用 OpenAI API 在 JioHotstar 中构建了对话式视频与板球数据发现助手,支持超过 15 种语言,由小团队约八周完成上线。该平台服务超 5 亿用户,曾支撑 7250 万并发直播体育观众,超 60% 用户偏好语音而非文字输入。团队将准确性、延迟与成本视为三方权衡,并强调评估体系与领域专家在投产中的关键作用。

Google Blog · Gemini

Talk it through with Gemini, now on Apple CarPlay

Google 今天起向全球 iOS Gemini 用户推出 Apple CarPlay 支持,覆盖 Gemini Live 支持的所有语言。用户可在车载屏幕开启或继续语音对话,通过 Gmail 和 Google Calendar 查询日程、了解未读邮件及总结邮件长线程,对话记录会自动同步至 iPhone 上的 Gemini 应用。

Nov 11Wednesday

The Decoder

DeepL wants real-time translation to finally capture sarcasm and mood shifts

DeepL 的新模型 Aure 将原说话者的语气、情绪、重音和语速传递到目标语言,让 DeepL Voice 的实时翻译更自然。旧方案只在对话开始时采集静态声音样本,Aure 则随对话持续分析译文和原始音频,训练时分别处理声音身份、语调和内容,并通过强化学习避免输出带有口音。

Latent Space

AI Engineer Code Summit: OpenAI on New Ways of Working With Codex

OpenAI 工程师在 AI Engineer Code Summit 演示了 Codex 的云端任务、语音控制和个人智能体 dots 工作方式。Codex Cloud 版本 2 支持发布一次环境后,在隔离实例中运行多个任务,但本地任务向云端交接仍涉及上下文差异,团队正在改进体验。语音可用于管理任务线程和委派工作,dots 则可提醒遗漏、承接委派,并利用已有上下文推进 PR。

Nov 10Tuesday

TechCrunch · AI

Spotify’s AI DJ gets new voices, personalities, and an option for less chatter

Spotify 为 AI DJ 新增可选语音与个性,Premium 用户可在英语和西班牙语的多种口音语音间切换,并能关闭歌曲之间的解说。新语音今日起在已支持 DJ 的 95 个以上市场推送,原有语音 "X" 保留,西班牙语仅剩 Nico 和 Fabi。该功能目前有超过 9400 万 Premium 用户使用。

TechCrunch · AI

Otter AI can now follow conversations across 30+ languages

Otter.ai 推出多语言转写功能,可在同一场会议中自动识别说话人语言切换并持续转写,无需手动调整设置。此次新增 27 种语言,其中普通话、粤语、韩语、德语等 13 种已上线,瑞典语、阿拉伯语、印地语等 14 种即将推出,完成后共支持 31 种语言。新语言基于 Otter 自研语音模型,使用公开数据集训练并由母语志愿者校对转写准确率。

Nov 9Monday

Hacker News front page

Chimera Vocal Synth

Chimera Vocal Synth 在 Hacker News 首页获得 19 分、6 条评论。原文未提供更多产品细节。

The Verge · AI

Elvis and Eminem rights holders are suing Suno

Elvis Presley 的音乐权利人及 Eminem 部分热门唱片的出版商分别起诉 Suno,指控其非法生成模仿两位艺人的音乐和歌词。Presley 一方援引田纳西州禁止 AI 公司克隆歌手声音的 ELVIS 法案,这些诉讼与 Jason Isbell 等人在 9 月提起、未直接主张版权侵权的诉讼相似。

Nov 8Sunday

Nov 7Saturday

Hacker News front page

Show HN: Backwords – Let AI teach you how to speak in reverse

Greg Technology 发布 Backwords,一个让 AI 教用户倒着说话的项目,创意来自 Alex Hornstein。用户输入短句后,可先听 AI 以慢速或正常速度倒放该句,再录下自己的模仿并倒放对比。

Hacker News front page

Outbound SIP calling is now available to all organizations

OpenAI 已通过 Live API 向所有组织开放 GPT-Live SIP 外呼,可通过 SIP 服务商拨打电话号码,无需入站 webhook 或接听请求。服务要求 TLS 信令和 SRTP 音频,后端通过旁路 WebSocket 监控通话进度并执行按键发送、转接或挂断。创建会话成功不代表电话已接通,振铃上限为 3 分钟,接通后的通话上限为 2 小时。

Nov 6Friday

TechCrunch · AI

Underdog shows off a 32MB speech model in new demo

Underdog 推出基于新语音生成模型 Woof 的浏览器游戏演示,该模型大小仅为 32MB,拥有 31 million 参数并开放下载。用户可在游戏中的打字机输入文字并听到朗读,也可旋转调谐器生成不同音乐;公司称模型可在大多数设备上无需联网运行。几周前,Underdog 还推出了面向端侧转录和听写的 167 MB 语音转文字模型 Bark。

OpenAI News

Cult.fit builds operational muscle with Codex

Cult.fit 将 Codex 从工程部门推广到跨职能团队,近几个月非工程团队已构建 20+ 个内部应用。公司用 Codex 重建内部仪表盘功能,节省 $100,000+ 年度软件费用,并通过接入现有客服平台的 AI 智能体将客服成本降低 50%+。其 AI Trainer 还通过 OpenAI API 集成 GPT Realtime,以双向语音提供训练指导并支持记录锻炼。

The Verge · AI

Muse has a voice mode now

Meta 为 Muse AI 智能体推出实时语音对话功能,虚拟形象会随说话内容同步做动画,用户可通过对话或设置调整语音语气。该功能已在美国的 App 上线,并将"很快"登陆 Meta 的 AI 眼镜及今年晚些时候发货的 Muse Charm 设备。

TechCrunch · AI

Meta says US users can now video chat with their Muse AI avatar

Meta 宣布,Muse Voice 已向美国所有用户开放,支持与消费级 AI 智能体 Muse 通话和视频聊天。该功能由 Muse Realtime Avatar 和 Muse Realtime Voice 技术支持,用户可定制数字形象,Meta 称其表情与手势会配合对话语气。

Nov 5Thursday

TechCrunch · AI

Aina’s smart ring has a screen, a joystick, and a mic so you can talk to AI agents

硬件初创公司 Aina 发布了一款名为 "AI ring" 的智能戒指,配备屏幕、摇杆、麦克风和扬声器,可通过语音向 AI 智能体发送提示词、记笔记和接打电话。该戒指早鸟价 399 美元,之后恢复 499 美元,计划于 2027 年 1 月开始发货。Aina 此前曾推出 Mac 三键控制器 Mirage,并于 7 月完成 550 万美元融资。

The Verge · AI

My therapist thinks I should chuck the Amazon Bee Frontier out a window

Victoria Song 实测持续录音的 AI 穿戴设备 Amazon Bee Frontier,发现其摘要与成长建议多次误读对话,让她怀疑自身记忆。设备在区分电视对白方面有所改善,也能帮助回忆工作要点,但仍会混淆说话者、把玩笑当事实,并对心理治疗中的情绪作出与她体验不同的判断。切换到医疗就诊模板后,摘要更侧重事实;她的心理治疗师则担心,这类设备会加剧她的反复思虑与完美主义,并建议停止佩戴。

TechCrunch · AI

I tried Apple’s Siri Recaps. They’re surprisingly useful — and a little unsettling

Apple 的 Siri Recaps 在实测中记录了修车和租车的关键口头信息,也混入家庭闲聊与不必要的细节。该功能随 iOS 27.3 和 watchOS 27.3 开发者测试版进入测试,可为 Apple Watch Series 12 用户汇总全天音频;Apple 尽可能在端侧处理,不识别说话者、不保存原始音频,并隐去私人信息。

Nov 4Wednesday

Hacker News front page

Show HN: Uncracked City, detective game where you question LLM suspects that lie

侦探游戏 Uncracked City 登陆 App Store 和 Google Play,玩家可在真实城市场景中搜索线索、用打字或语音以六种语言审问 LLM 扮演的嫌疑人,并识破其谎言。每个案件有四名嫌疑人、其中一人说谎,玩家需将线索与陈述对质,破谎后撰写报告,仅有三次机会。游戏含巴黎、里约、马拉喀什、东京、悉尼五个训练关卡,多数正式案件尚无玩家破解。

The Verge · AI

Apple starts giving Siri AI access to third-party apps

Apple 在周二推出的 iOS 27.3 开发者预览更新中,允许开发者为所有应用集成 Siri AI 的新功能。Siri AI 可结合用户个人上下文、自然语言提示词和屏幕感知完成请求,新增的“app skills”允许开发者将多个任务组合为一次操作。应用处于前台、运行 Live Activity 或用户正与 Siri AI 讨论该应用时,用户无需在请求中提及应用名称。

Hacker News front page

How I use AI (Oct 2026)

一位 Salesforce AI Research 研究工程师复盘个人 AI 使用方式,如今管理约 5–6 个编码智能体,机器编写了其 90%+ 的代码。智能体加快了原型开发,但他仍手动审查和测试,审查重点转向架构与系统性问题,同时感到并行管理多个任务令人疲惫。

Nov 3Tuesday

Hacker News front page

Practice speaking Japanese with real YouTube videos, graded line by line

JIVX 可将 1 到 180 分钟的日语 YouTube 视频自动切分成逐句练习页,用户通过打字或朗读完成句子并获得逐句评分。平台按 N5 到 N1 分级标注每句难度,短句量约为每 30 秒一句,也可直接使用他人已创建的练习页。