语音与音频

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次切换的动态视觉形象。

谷歌推出了一个叫“Call for Me”的实验功能，能让 Gemini 直接帮你打电话给商家。目前门槛很高：你得人在美国、用 Pixel 11 手机、付费订阅了 Gemini，还得装测试版的谷歌电话 App。这次更新最大的变化是，Gemini 可以分享你事先批准的个人信息，这样它能处理的事情就更多了，比如预约或查询订单。打电话时你可以实时看文字记录，...

Meta 在 Connect 大会上把 Muse 定位成硬件加智能体的核心。Muse 现在能语音对话、看实时视频，还能在后台处理长时间任务，甚至有了自己的邮箱地址，你可以抄送邮件让它干活。Mac 版支持电脑操作，排好任务就能走人。目前免费，但以后可能会从交易里抽成；零售合作方包括沃尔玛、百思买和丝芙兰，效率工具接入了 Box、GitHub 和 Noti...

Meta 在 Connect 大会结尾快速展示了一款叫 Muse Charm 的独立 AI 硬件，专门跑自家的 Muse 智能体。它长得像一块摘掉表带的厚智能手表，配了根挂绳。右上角有指纹传感器，按下去就能直接说话下指令，不用掏手机解锁。正面至少开了三个麦克风孔，还塞了一颗小摄像头。正文没公布价格、续航和上市时间，目前只是露个脸。

Muse 上线才两周，Meta 就说正在把它往智能眼镜里搬，包括 Connect 大会上新发布的款式。用法很简单：喊一声 Muse，就能让它带着你做运动、记吃了什么，或者帮你看看眼前的东西值不值得买。眼镜还会加一个听力增强功能，Meta 说已经过了 FDA 认证，给轻度到中度听损的成年人用。不过正文没提什么时候上线，也没说哪些型号能用上 Muse。

Greg Brockman 说 GPT Voice 现在可以调用邮箱、日历、Slack 这些工具，背后跑的是 GPT-6 Astra、Sol 和 Luna 三个模型。语音功能也同步上了网页端和移动端的 ChatGPT Work，你动嘴就能在浏览器里建文档、做 PPT、搭网站或填表格。今天起全球最新版应用会逐步推送。不过正文没提语音响应延迟、识别准确率，...

OpenAI 给 ChatGPT 的语音功能接上了插件，你可以用嘴让它查邮件、翻日历、在 Slack 里发消息。语音版在 ChatGPT Work 的网页和手机端都能用，号称能靠说话生成文档、PPT、网站和表格。官方说背后是 GPT-6 的 Astra、Sol、Luna 这几个模型，当天就推了全球更新。不过正文完全没提插件权限范围有多大、响应延迟怎么样...

OpenAI 给 ChatGPT 语音加上了邮件、日历和 Slack 插件，现在你可以用嘴直接操作这些工具。驱动模型换成了 GPT-6 Astra、Sol 和 Luna，但正文没解释这三个模型分别负责什么、能力差在哪。网页和手机端的 ChatGPT Work 也支持语音输入了，说句话就能建文档、做 PPT、搭网站或填表格。我会先打个折——官方没提推送地...

连锁药店 Kinney Drugs 上线三个月的 AI 电话助手 Burt 被紧急撤回，原因是顾客投诉电话内容混乱、报错剂量、漏掉处方提醒。总裁 John Marraffa 承认，合规不等于体验好，他们搞砸了。现在患者来电恢复传统的按键式系统，Burt 只保留在用户主动订阅的续方短信通知里。报道没提底层用的是哪家模型或语音供应商。

Anthropic 发了新模型 Claude Opus 5，定价直接砍半，号称能力接近 Fable 5。但 Every 的评测发现它用起来很别扭：会跟人争论、任务没做完就停，还跟老一套的提示词技巧犯冲。有意思的是，同一个人嘴上说讨厌，盲测打分时却把 Opus 5 排在了第一。Theo 花了几个小时重写 CLAUDE.md 和技能文件，说虽然累但完全值得...

OpenAI 把月初发布的 ChatGPT-Live 语音模型搬到了桌面应用上。现在你可以直接用嘴指挥 ChatGPT，让它操作智能体、浏览网页，或者在 macOS 上通过 Appshots 读取屏幕内容。手机版之前只能聊天，这次桌面版是实打实的干活：演示里一个开发者用一句话就让 ChatGPT 新建了讨论串、提交了合并请求，还顺带找到了一个 bug ...

Anthropic 把 Claude 的语音模式升级了，现在背后可以调用 Opus 和 Sonnet 这两个更强的模型来处理复杂问题，不再是以前那种轻量版。你还能在语音对话里直接让它操作已连接的工具，比如搜 Gmail 邮件或查 Slack 消息，不用切回文字界面。多语言支持也加上了，但官方没列出具体支持哪些语言。实际用起来的延迟和工具调用的准确率怎么...

OpenAI 给 macOS 和 Windows 的 ChatGPT 桌面应用加上了语音控制，你可以直接说话让 ChatGPT Work 或 Codex 里的多个智能体协同工作。背后是 GPT-Live 在跑，能同时听、说、协调任务。今天起 Plus、Pro、Business、Edu 和 Enterprise 用户都能用。正文没提延迟多少、能同时跑几个...

Anthropic 把语音模式从 Haiku 扩展到了 Opus 和 Sonnet，三个模型现在都能用语音交互了。更实际的变化是，语音模式可以接入 Gmail、Slack 这类应用，直接读出你的邮件和消息。不过正文没提延迟和准确率数据，实际体验好不好用，建议等上手测试再说。

Anthropic 给 Claude 的语音模式换了底模，现在你可以手动选 Opus、Sonnet 或 Haiku，默认会沿用你上次文字聊天用的模型。官方说这能撑住更长的对话，比如帮你打磨沟通方式、过一遍客户提案、或者脑暴市场调研。更实际的变化是，语音模式现在能接通 Gmail、Google 日历、Slack、Canva 和 Notion，直接让它改会...

SpaceXAI 和 Cursor 一起训了个新模型 Grok 4.5，性能大概卡在 Opus 4.7 和 4.8 之间，但按 token 算钱的话，比 Opus 便宜 6 倍，比 GPT-5.5 便宜 3 倍。现在 Cursor 里能用，API 也开放了。OpenAI 这边，GPT-5.6（Sol、Terra、Luna）今天会推给所有用户，早期测试的...

部分用户已经在 ChatGPT 网页版和 App 的模型选择器里看到了 Bidi 1，和标准语音、高级语音并列，选中后语音气泡会变黄。它最大的变化是支持全双工：模型在说话的同时还能继续听你讲话，中途打断也能立刻响应。测试里有人让它从 1 数到 10，数到一半打断说“倒数”，它马上照做。OpenAI 还没正式公布上线时间，有媒体猜本周可能会扩大测试范围。...

这个模型叫 Seeduplex，是个原生全双工端到端语音模型，意思是它能一边听一边说，不用等你说完再反应。官方给了三个卖点：指令跟得准、抗干扰、会自己判断什么时候该接话。比如多人聊天时它能安静待着，只有聊到指定话题才插嘴；还能在对话里直接调用工具帮你订日历、发邮件。抗干扰方面，误回复和误打断都少了很多。判停延迟缩短了约 250 毫秒，复杂场景下抢话比例...

Google Home Speaker 是第一款围绕 Gemini 做的音箱，99.99 美元，现在就能预订，本月发货。它支持说话中途改口、不用反复唤醒就能接着聊，内置了 10 种新声音。我会先打个折：这些听起来像连续对话的能力，其实分两层。基础的多步指令和打断纠错是机器自带的，但真正像人一样自由聊天的 Gemini Live，以及让音箱帮你总结 Ne...

彭博的 Mark Gurman 提前用上了新版 Siri，总结了 7 个实际改进：响应更快、能看懂屏幕内容、可以跨 App 操作、声音更自然等。但核心问题没变——Siri 还是把复杂请求丢给 ChatGPT，自己只处理简单指令。Gurman 的判断是，这次更新把 Siri 从“灾难”拉回到“勉强能用”，但离苹果在 WWDC 2024 画的那个主动式助手...