AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
OpenAI 宣布 ChatGPT Voice 迎来升级，现可调用邮件、日历和 Slack 等插件，并由 GPT-6 Astra、Sol 和 Luna 提供支持。该功能还可在网页端和移动端的 ChatGPT Work 中使用，通过语音创建文档、演示文稿、网站和表格，或处理浏览器内的复杂任务。即日起随最新版应用在全球范围推送。
ChatGPT Voice 接入插件与 GPT-6 Astra 等模型，并进入 Work，读者可了解语音入口能接哪些工具。
OpenAI 宣布 ChatGPT Voice 现在可以使用邮箱、日历和 Slack 等插件，并由 GPT-6 Astra、Sol 和 Luna 驱动。该功能可在 Web 和移动端的 ChatGPT Work 中使用，用户通过语音创建文档、演示文稿、网站和表格，或在浏览器中处理复杂任务，即日起随最新版应用全球推送。
ChatGPT Voice 接入邮箱、日历和 Slack 等插件，并进入 ChatGPT Work，可据此判断语音交互的适用边界。
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。
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。
字节跳动 Seed 推出原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本，实现边看、边听、边说的实时交互；模型已在豆包 App 全量上线，选择打电话进入视频通话即可体验。
字节跳动公布音视频全双工模型的统一架构与端到端人评结果，可对照级联方案理解实时交互的改法。
MiniMax 正式发布通用全模态生成模型 H3，支持文本、图像、视频、声音组成的多模态上下文理解，可输出原生双声道音视频，最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3，768P 下不到 1/2，并计划在未来几天内在符合法律法规的前提下开放模型权重，设计初期已考虑多款国产芯片兼容性。
MiniMax 官方给出 H3 的全模态生成能力、每秒价格对比与即将开源权重的安排，读者可据此判断视频生成领域的开放化进展。