xAI 发布 Grok Voice Transcribe 2.0：客服通话等场景准确率翻倍
xAI 推出 Grok Voice Transcribe 2.0，在客服通话、口述凭证和短语音指令场景下，转录准确率是上一代的两倍。该消息由 xAI 官方账号发布，推文互动数据显示获得 123 次点赞、6 次转发。
#语音
#语音
今日 13 条xAI(@xai)AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 38/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 xAI(@xai)AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 xAI 发布 Grok Voice Transcribe 2.0 语音转录模型
xAI 发布 Grok Voice Transcribe 2.0，称其为全球最准确的语音转录模型。该消息由 SpaceXAI 在 X 上公布，未提及具体参数、评测数据或开放方式。
Fish Audio(@FishAudio)AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio 推出基于流式 TTS 的实时语音到语音翻译，支持 80+ 语言
Fish Audio 发布实时语音到语音翻译演示，基于其流式 TTS 构建，支持 80+ 语言的单向翻译与双向对话。官方已开放体验入口与实现代码，开发者可直接上手构建自己的应用。
Fish Audio(@FishAudio)AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 6/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio 推出 translate.demo.fish 翻译演示
Fish Audio 上线 translate.demo.fish 翻译演示，由 @cshape_ 发布。该推文获得 1 条回复、1 次点赞和 1009 次浏览。
Fish Audio(@FishAudio)AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 18/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio 实时翻译如何工作
Fish Audio 发布实时翻译工作原理说明页（translate.demo.fish/how-it-works），由 xgo.ing 提供技术支持。原文未披露所用模型、延迟数据或可用方式等细节。
阿里研究院精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里发布全模态模型 Qwen3.8-Omni-Flash
新一代原生全模态模型 Qwen3.8-Omni-Flash 正式上线千问AI平台，支持文本、图像、音频和视频输入以及 1M 长上下文，目标是把全模态能力从理解内容推进到规划任务、调用工具并完成创作。
为什么值得看
原文给出全模态模型的评测提升、API 降价幅度与配套开源工具，读者可据此判断音视频智能体的落地成本变化。
eric zakariasson(@ericzakariasson)AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 50/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Grok Bot 上线语音模式
Grok Bot 现在支持语音模式，可以开口说话了。该消息由 Grok Bot 官方账号发布，并附带了演示视频。
Fish Audio(@FishAudio)AI 评估 · 5/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 5/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio 与 Coval 在旧金山重启 Voice AI Builder Dinner，9 月 22 日举办
Fish Audio 与 @covaldev 在旧金山重启 Voice AI Builder Dinner，活动定于 9 月 22 日，面向创始人及产品负责人。参与者将围绕医疗、客户支持等对可靠性要求极高的场景，交流构建语音 AI 过程中最难的部分。
ElevenLabs(@elevenlabsio)AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 19/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 发布 Cadence
ElevenLabs 发布 Cadence，相关详情见其官方博客 elevenlabs.io/blog/cadence。
ElevenLabs(@elevenlabsio)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Cadence 用 ElevenAgents 支撑全美 20+ 医疗系统的慢病护理流程
Cadence 基于 ElevenAgents 打造的预警筛查智能体，将原本需要人工拨号、中位耗时 1 小时 48 分钟的告警触达缩短至 3.5 分钟。该流程覆盖全美 20+ 医疗系统，每月处理 40,000+ 条告警，会主动致电患者筛查症状，必要时接入其 24/7 护理团队中的护士。
xAI(@xai)AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Grok Voice 上线 fal：0.70 秒响应，支持 30+ 音色与语音克隆
Grok Voice 已在 fal 上线，这款来自 SpaceXAI 的最新语音模型可在 0.70 秒内作答，并在句子说完前完成工具调用。它支持词级时间戳转写、25+ 种语言的 30+ 种音色文本转语音，以及用两分钟音频完成音色克隆。
ElevenLabs(@elevenlabsio)AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 20/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 发布 Reception 相关更新：可用性、定价与上手方式
ElevenLabs 公布了新产品的可用性、定价与上手方式，详情见其官方博客 elevenlabs.io/blog/reception。原文未透露该产品的具体功能、版本号或价格数字。
ElevenLabs(@elevenlabsio)AI 评估 · 1/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 1/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 推出 Reception：为企业搭建 AI 接待
ElevenLabs 上线 Reception，企业可用来搭建自己的接待服务，配套地址为 reception.ai。该推文附带官网链接，阅读量约 134 万，转推 12、点赞 143。
ElevenLabs(@elevenlabsio)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 推出 Reception：面向小企业的 AI 前台接待平台，基于 ElevenAgents
ElevenLabs 发布 Reception，一个面向小企业、基于 ElevenAgents 构建的 AI 前台接待平台。Reception 可接听每一通来电、回答客户问题、预约服务并发送短信确认，用户只需添加网址即可在几分钟内完成设置。
AK(@_akhaliq)AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 24/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 StepAudio 3 Realtime 技术报告发布
阶跃星辰发布 StepAudio 3 Realtime 技术报告，论文已在 Hugging Face 上线。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google、Meta、Microsoft 竞逐语音识别头名，The Batch 解读对 AI 开发的影响
语音识别领域的竞争正在升温，Google、Meta 和 Microsoft 正通过发布新的强力模型争夺头名位置。DeepLearning.AI 在 The Batch 中解读了这一趋势对 AI 开发者的意义，指出在生成式文本模型占据话题中心的当下，语音识别正迎来属于自己的时刻。
Patrick Loeber(@patloeber)AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 25/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini Live API 更新：全新音频模型解读
Gemini Live API 迎来更新，新增音频模型。Patrick Loeber 分享了由 @thorwebdev 讲解这些新音频模型的视频，介绍其具体能力。
ElevenLabs(@elevenlabsio)AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 30/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 用 ElevenAgents 打造 AI SDR：4 分钟筛出销售线索，单月转化超百万美元商机
ElevenLabs 用 ElevenAgents 构建 AI SDR「Dom」，已在自家 inbound 销售中承担越来越多的线索资格审核。该智能体筛出一条线索只需 4 分钟，而人工中位数为两天，单月产出超 100 万美元合格商机管道。ElevenLabs 认为，语音智能体要让人愿意开口，既要听起来像人，也要足够清晰地让对话值得持续。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini Audio 下周将在旧金山举办首次线下体验活动
Gemini Audio 下周将在旧金山举办首次线下体验活动，Logan Kilpatrick 将到场，报名入口为 rsvp.withgoogle.com 的活动页面。同时官方博客上线了新 Live 音频模型的介绍内容。
Patrick Loeber(@patloeber)AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 61/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 推出两款面向 Live API 的 Gemini 模型：Gemini 3.8 Live 和 3.8 Live Extended Thinking，官方称其为目前最好的对话式 AI。新模型在智能水平和并行推理上有较大升级，可在对话中思考并在后台处理任务而不打断用户流程，实时语音协作更顺畅自然，可在 ai.studio/live 测试。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 实时音频模型
Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款新的 SOTA 实时音频模型，提供前沿的价格与性能。3.8 Live 支持 97 种语言并可在其间无缝切换，同时支持异步工具调用。
Philipp Schmid(@_philschmid)精选AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Live 与 3.8 Live Extended Thinking 发布
Gemini 3.8 Live 与 3.8 Live Extended Thinking 发布，延续上月 3.5 Transcribe 对实时语音智能体的投入。
为什么值得看
Gemini 3.8 Live 公布了实时语音定价与智能体任务得分，可据此判断实时语音智能体的能力与接入方式。
Google AI(@GoogleAI)AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google 发布两款 Gemini 音频模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking。前者面向规模、速度和成本效率，支持句子中途打断、97 种语言实时切换并理解视觉上下文；后者在复杂任务上进一步强化推理能力，边推理边说话，可在执行多步项目时同步播报进度。
Google DeepMind BlogAI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，分别面向规模化低成本场景和高复杂度多步推理任务。
Google DeepMind(@GoogleDeepMind)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.8 Live Extended Thinking 演示：充当编程辅导老师
Google DeepMind 展示用 Gemini 3.8 Live Extended Thinking 充当编程辅导老师。两款模型均支持升级版推理、近实时视觉理解、97 种语言自动检测，以及不打断对话的后台工具调用。
Google DeepMind(@GoogleDeepMind)AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 74/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为旗下最好的对话式 AI。官方表示这两个模型可以对话、思考并在后台处理任务，而不打断当前流程。
ElevenLabs(@elevenlabsio)AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 27/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 ElevenLabs 用 ElevenAgents 打造 AI SDR「Dom」，单月跑出超 100 万美元合格商机
ElevenLabs 基于 ElevenAgents 构建的 AI SDR「Dom」正在承接其自身越来越多的入站销售线索资格审核，单条线索审核仅需 4 分钟，而人类中位数为两天。该智能体单月产出超过 100 万美元的合格销售管道，目前已在 ElevenLabs 内部投用。
阶跃星辰AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阶跃星辰发布 StepAudio 3 系列语音大模型，五款模型上线开放平台
阶跃星辰发布 StepAudio 3 系列语音大模型，包含 Realtime、ASR、TTS、Gen 和 Music 五款模型，均已上线阶跃星辰开放平台。
AI Breakfast(@AiBreakfast)AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 57/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Resemble AI 推出首个面向深伪检测的世界模型 DETECT-World
Resemble AI 发布 DETECT-World，称其为首个为深伪检测构建的世界模型，从光照、几何、运动、音视频同步等物理合理性判断内容是否可信，而非比对已见过的伪造样本。一次计算同时输出判定结果、异常发生时间线和异常位置热图。在外部运行的 Podonos 基准上，其音频准确率为 99.5%，在商业 API 中排名第一。
Greg Brockman(@gdb)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 OpenAI 在 API 中上线 GPT-Live-1 语音能力
OpenAI Developers 宣布 GPT-Live-1 已在 API 中可用，可把 ChatGPT 的自然双向对话能力接入应用，构建边听边说的语音智能体。该能力支持开发者自选模型与 harness。Greg Brockman 转发了这一消息，称其用于帮助开发者创造新类型的应用。
Genspark(@genspark_ai)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Genspark 实测 GPT-Live：任务完成率翻倍、理解率 92%，并接入 Call for Me 等产品
Genspark 祝贺 OpenAI 发布 GPT-Live，并称先跑了 80 通真实餐厅预订电话：任务完成率相比上一代翻倍以上，理解准确率 92%，打断处理更顺畅，轻声的 mm-hmm 不再打断它，句中插入新问题也能无停顿切换。
Fish Audio(@FishAudio)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio 上线 fish.audio/app/ 在线体验入口
Fish Audio 放出体验链接 fish.audio/app/，邀请用户自行试用。该条内容未披露具体模型版本、功能细节或参数信息。
Fish Audio(@FishAudio)AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 13/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio CEO 拆解情感语音模型的数据标注与评估方法
Fish Audio CEO @rissa_cao 拆解了团队如何标注与评估情感语音数据中的细微差别，让模型在对话推进过程中保留语气和表达方式的变化。其核心观点是，有表现力的语音不只是情绪本身，更是在恰当的时刻给出恰当的情绪。
eric zakariasson(@ericzakariasson)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 为任意应用添加语音：三个 skills 支持听写、Grok 实时对话与朗读
三个新 skills 可给任意应用加上语音能力：/add-dictation 说话即输入文字，/add-voice 与 Grok 实时对话，/add-read-aloud 把任意回复朗读出来。这些 skills 可从 marketplace 安装。
Hunyuan(@TXhunyuan)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元开源统一语音生成与编辑模型 AuK，并推出 4 步推理的 AuK-Flash
腾讯混元正式发布开源基础模型 AuK，面向统一语音生成与编辑，支持自然语言指令加参考音频的单一接口，能力覆盖零样本 TTS、指令控制生成、内容编辑、Whisper-conversion、去口音以及音色、风格、情感编辑和语速、音高控制，还包括增强、降噪、多说话人分离与音乐分离。
小米技术AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 小米超级小爱技术解读：快慢系统与全双工对话如何让车载交互更流畅
超级小爱基于 Xiaomi MiMo 模型引入 RAG-Planning 并将推理从 think 模式切换为 no-think 模式，模型耗时平均下降约 35%，端到端最快快出 3 到 6 秒。全双工升级把拒识、判停和打断统一决策，配合三级 Session 压缩体系使上下文 Token 量下降 60%—86%，支持边听边说与随时插话。小米澎程 SkyNomad 已搭载专家版超级小爱。
AK(@_akhaliq)AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 34/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 AuK 技术报告：开源语音生成与编辑基础模型
AuK 发布技术报告，推出面向语音生成与编辑的开源基础模型，论文已在 Hugging Face 上线。该模型同时支持语音生成与语音编辑两类任务，具体参数规模与评测数据报告尚未披露。
HeyGen(@HeyGen_Official)AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 43/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 HeyGen 推出 Professional Voice Clone：20 分钟录音定制专属语音模型，现已上线 API 预览
HeyGen 上线 Professional Voice Clone，用某位说话人 20 分钟录音训练专属语音模型，为数字人补上"声音不像本人"这块短板。该功能现已在 HeyGen API 开放预览，官方演示中两段语音为真人 Josh、两段为克隆声音，供听感对比。
Fish Audio(@FishAudio)AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 15/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Fish Audio 广告本月登陆东京品川、惠比寿与虎之门 Hills
Fish Audio 本月在东京品川、惠比寿和虎之门 Hills 上线通勤场景广告，乘客可能在通勤途中看到。该消息由 Fish Audio 官方账号发布，并附带视频。
bolt.new(@boltdotnew)AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 40/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Bolt 上线语音功能：按住麦克风说出应用需求即可生成并发布
Bolt 新增语音输入功能，用户按住麦克风说出应用的名称、配色和布局，Bolt 即可完成规划、构建并发布。该功能由 bolt.new 在社交平台公布。