OpenAI 推出 Realtime API，支持构建语音到语音体验
OpenAI 推出 Realtime API，开发者现在可以在应用中构建快速的语音到语音（speech-to-speech）体验。
推荐理由：原文宣布 Realtime API 开放，开发者可以把快速语音到语音体验直接构建进应用。
#语音
OpenAI：官网动态精选AI 评分7070
FireRedTeam：原创语音与多模态项目AI 评分5757 FireRedTeam 开源 FireRedTTS-1S 流式语音合成系统
FireRedTeam 在 GitHub 发布可流式生成的语音合成系统 FireRedTTS-1S，提供预训练权重、推理代码和技术报告。支持零样本声音克隆，新增 flow matching 解码器可选，参考音频建议 3 到 10 秒，项目仅限学术研究用途。
通义 QwenAudio：原创语音项目精选AI 评分6262 FunAudioLLM 发布 Fun-CosyVoice 3.0 开源语音合成模型
通义 FunAudioLLM 团队开源基于 LLM 的 TTS 系统 Fun-CosyVoice 3.0，官方称在内容一致性、说话人相似度和韵律自然度上超越前代 CosyVoice 2.0，面向零样本多语言语音合成。
推荐理由：官方发布开源 TTS 新版本，附评测表、安装与部署方式，适合关注多语言语音合成落地的开发者参考。
通义 QwenAudio：原创语音项目精选AI 评分6161 SenseVoice 开源语音理解模型仓库：支持 ASR、情感识别与音频事件检测
SenseVoice 是一个语音理解基础模型，支持 ASR、语种识别、语音情感识别和音频事件检测。发布的 SenseVoiceSmall 检查点支持普通话、粤语、英语、日语和韩语，并输出情感与事件标签；采用非自回归端到端架构，同参数量级下推理速度比 Whisper-Small 快 5 倍以上、比 Whisper-Large 快 15 倍以上。
推荐理由：官方仓库文档同时给出基准对比、部署路径和微调方案，读者可以据此评估 SenseVoice 在中英文语音识别场景的可用性。
Sam Altman：Blog精选 GPT-4o
OpenAI 将 GPT-4o 向所有 ChatGPT 用户免费开放，无广告。全新语音（及视频）模式响应速度接近人类，表现力极强，被 Sam Altman 称为「用过最好的计算机界面」，像电影里的 AI。未来还将支持个性化、代操作等功能。
推荐理由：Sam Altman 解读 GPT-4o 发布，强调语音交互与免费策略
OpenAI：官网动态AI 评分4949 OpenAI 分享 Voice Engine 自定义语音模型小规模预览的经验
OpenAI 分享了自定义语音生成模型 Voice Engine 小规模预览的经验教训。该模型可根据文本创建自定义语音，目前仍处于小范围测试阶段。
OpenAI：官网动态精选AI 评分7474 OpenAI 开源语音识别模型 Whisper
OpenAI 训练并开源了名为 Whisper 的神经网络，其英文语音识别的稳健性和准确率接近人类水平。
推荐理由：原文来自 OpenAI 官方，点明 Whisper 在英文语音识别上的稳健性和准确率接近人类水平，并直接开源。