Ringg 获 Peak XV 追加 1000 万美元投资，将语音 AI 拓展至电话之外
印度语音 AI 初创 Ringg 获 Peak XV 1000 万美元 Series A 追加投资，该轮融资总额达 1550 万美元。公司目前每月处理 2000 万次通话，客户包括 Cred、Flipkart、Practo 等，其语音代理已覆盖 Practo 旗下 1200 家诊所。
#语音
TechCrunch：AIAI 评分4444 Gemini API：更新日志AI 评分5353 Gemini 3.5 Transcribe 与 Transcribe Live 语音转写模型正式发布
Google 在 Gemini API 更新日志中宣布 Gemini 3.5 Transcribe 系列正式发布，推出 gemini-3.5-transcribe 和 gemini-3.5-transcribe-live 两款专用语音转文字模型。
Artificial Analysis@ArtificialAnlysAI 评分5454
Google Gemini@GeminiAppAI 评分5454在 macOS 版 Gemini 应用中，直接用语音在任意窗口内听写、总结文件并改写文案。
IBM Research：AIAI 评分5454 IBM 发布 Granite 4.2 语言模型与 Granite Speech 5.0 Turbo CTC 语音模型
IBM 发布 Granite 4.2 语言模型，提供 3B、8B、30B 三种参数规模，内置逐步推理与工具调用能力，面向企业智能体工作流，采用 Apache 2.0 许可。
IT之家·人工智能AI 评分4343 苹果 iOS 27 正式版发布在即，Siri AI 预计采用候补名单机制
苹果 iOS 27/iPadOS 27/macOS 27 正式版发布后，预计将为 Siri AI 采用候补名单机制并限制初期使用权限。三款系统的 Beta 7 测试版已加入等候名单相关机制，用户点击加入后可看到预计等候时间，系统会根据服务器需求动态调整轮候时间。Siri AI 在测试期间已采用该机制，曾有用户等了一周左右才排到队。
IT之家·人工智能AI 评分5252 澳大利亚唱片业协会“重拳出击”，纯 AI 生成歌曲禁入官方排行榜
澳大利亚唱片业协会（ARIA）宣布，从下周一开始，完全由 AI 生成的歌曲将无法进入 ARIA 官方排行榜，但采用 AI 辅助制作的部分作品仍可上榜。新规要求歌曲必须由人类创作、主唱、演奏主要乐器，且须使用合法的 AI 服务制作；完全由 AI 生成的音乐也不能参加 ARIA 音乐奖。此前，一首 AI 重制麦当娜《Like a Prayer》的歌曲曾连续 16 周跻身澳大利亚前 20 名。
IT之家·人工智能AI 评分4848 漫步者 Comfo Clip Q2 智能耳夹耳机发布：海思谛听芯片 + 开源鸿蒙，399 元
漫步者今日发布 Comfo Clip Q2 智能耳夹耳机，预售到手价 399 元，搭载海思谛听音频芯片与 OpenHarmony 开源鸿蒙系统。耳机采用 12mm 长冲程动圈单元，支持智能动态低频补偿、AI 通话降噪及 0.05s 低延迟游戏模式，单次续航 8.5 小时、综合续航 40.5 小时。
DogeDesigner@cb_dogeAI 评分4242突发：Starlink 正使用 Grok Voice 每天处理超过 15,000 通客户支持与销售电话。 Grok 通过语音通话和聊天诊断硬件问题、寄送替换件，并每周完成超过 3,000 笔订单。
Google Developers BlogAI 评分5959 Google ADK 教程：如何评测 live 语音智能体
Google 在 ADK 中引入原生 live 评测，可用模拟用户以音频形式驱动语音智能体、对口头回复打分，并复用已有的文本评测流程。
ElevenLabs：Blog精选AI 评分6262 ElevenLabs 发布 CLI v1，将 ElevenLabs API 带入终端
ElevenLabs 发布 CLI v1，把 ElevenLabs API 直接带入终端，OpenAPI spec 中的所有 API 端点都可用作子命令。
推荐理由：官方介绍 CLI 的 agents-first 设计细节，读者可以了解如何用文件和版本控制管理大规模 Agent 配置工作流。
IT之家·人工智能AI 评分4848 韶音 OpenFit 2 AI 耳机开售：基于千问大模型、48 小时续航，首发价 1398 元
韶音 OpenFit 2 AI 耳机正式开售，首发价 1398 元。该耳机基于千问大模型，支持三端快捷录音、最长 8 小时记录，内置 12 大行业词库，支持 30 种语言与 19 种方言转写及四种翻译模式。单耳音乐续航 11 小时，搭配充电盒总续航 48 小时，支持“充电 10 分钟聆听 2 小时”快充。
Artificial Analysis 完整文章精选AI 评分6363 Artificial Analysis 发布 Speech Agent Arena 评测真实语音智能体表现
Artificial Analysis 推出 Speech Agent Arena，让人类参与者在 15 个工具调用场景和 20 个非工具场景中盲测对比 Speech to Speech 模型，以 Preference Elo 和 Task Success Rate 评分。
推荐理由：原文给出真实任务下语音智能体的偏好与任务成功率两套结果，提示对话好听不等于任务完成。
IT之家·人工智能AI 评分4040 因预约人数远超预期，《莱莎的炼金工房》衍生 AI 聊天游戏延期上线
由光荣特库摩授权、SpiralAI 开发的 AI 聊天游戏《RyzaChat》延期上线，原定 8 月 18 日开服，因预约人数远超预期，官方决定加强服务器环境，目标下周开服。游戏以《莱莎的炼金工房》为世界观，玩家通过与莱莎聊天推进战斗、旅行和建设。莱莎插画由人工绘制，语音采用野口百合录制素材并经语音合成，文本由 SpiralLLM 生成。
FireRedTeam：原创语音与多模态项目精选AI 评分6464 FireRedTeam 开源 FireRedAudio 9B 通用音频语言模型
FireRedTeam 发布 FireRedAudio 的代码与模型，一个基于 9B 参数 LLM 的通用音频语言模型，采用理解与生成解耦的连续表征设计。单模型支持 ASR、音频理解、零样本 TTS、指令 TTS、语义与声学语音编辑，以及最长一小时录音的时序定位理解，在 MMAU、Seed-TTS-Eval 等基准上取得竞争性或领先结果。
推荐理由：官方发布了代码和权重，读者可以据此了解用一个 9B 骨干同时覆盖语音理解与生成的解耦表征设计。
IT之家·人工智能AI 评分5353 雷鸟 iO AI 眼镜体验：全天智记是亮点，堪比随身助理
雷鸟创新发布首款“人类增强 AI 眼镜”雷鸟 iO，主打首创的全天智记功能，能以极低功耗持续采集语音并转写、总结、记忆待办事项。该眼镜采用 0.085 立方厘米萤火光引擎 Nano 与厚度不足 0.6 mm 蓝湖光波导，重 34 克，支持 55 种语言实时翻译、AI 全自动提词器及录音转写。实测中等强度使用 13 小时耗电 24%，续航约两天。
The Decoder：AI NewsAI 评分4040 RayNeo 推出无摄像头无扬声器的 AI 眼镜，专注文本叠加
RayNeo 发布无摄像头、无扬声器的 AI 眼镜 iO，通过绿色波导显示屏在视野中叠加文本，透明度 97%，亮度约 1,300 尼特。眼镜可聆听对话、生成摘要、提取待办事项并建议日历条目，支持点头确认，还提供提词器模式和 40 种语言语音转文字翻译。
Hugging Face 社区博客精选AI 评分6969 测量语音识别中的基准优化：Hugging Face 新测试揭示 ASR 模型“刷分”现象
Hugging Face 最新研究引入三项测试量化语音识别中的基准优化（benchmaxxing）现象。对 11 个开源 ASR 模型的评估显示，多个高分系统会复现 VoxPopuli 和 LibriSpeech 基准的错误转录文本，即使音频内容与之矛盾。部分模型甚至依赖声学线索识别基准来源，导致其得分高估了真实转录能力。
推荐理由：研究把语音识别中的基准优化现象变成可量化检验，三项探针和开源脚本让模型评估者能区分真实转写提升与仅针对测试集的拟合。
IT之家·人工智能AI 评分4949 雷鸟 iO AI 眼镜发布：支持实时提示、全天智记功能，首发价 2349 元
雷鸟 iO AI 眼镜今日发布，限时首发价 2349 元，国补价 1996.7 元。整机重 34g，采用双层钛合金结构，支持 0-1000 度近视适配，投射等效 33 英寸大屏。产品接入 DeepSeek 和千问大模型，支持实时提示、全天智记、55 种语言翻译，续航最长 2 天。
IT之家·人工智能AI 评分5656 Adobe Firefly 扩充 AI 音频服务，可生成音乐、配音和音效
Adobe 宣布 Firefly 新增生成音乐、配音和音效三项音频功能，已面向所有用户开放。生成音乐由 Firefly Music Model 驱动，可按视频时长和氛围创作原创曲目；生成配音可将文本转为可调节语速和情绪的配音；生成音效可按动作、节奏和氛围定制。
MarkTechPostAI 评分5858 Superwhisper 发布 462MB 开源文本规范化模型 S1-mini
Superwhisper 推出 S1 系列，其中 S1-mini 以开源权重发布在 Hugging Face 上。这是一款 0.6B 参数的文本规范化模型，基于 Qwen3-0.6B 微调，用于清理语音识别后的转录文本，去除填充词并应用标点与大小写。
TechCrunch：AIAI 评分4646 Meta AI 推出 Mac 应用，支持系统级听写与屏幕问答
Meta 今日发布 Meta AI 的 Mac 应用，内置系统级听写功能，可跨应用使用，并能基于当前屏幕内容结合 Muse Spark 模型回答问题。该应用还面向商家开放，支持连接 Instagram、Facebook、Meta 广告及 Google Workspace 账户，获取营销洞察、创建提案和起草文档。
IT之家·人工智能AI 评分4848 科大讯飞 2026 年上半年归母亏损 2.04 亿元，同比收窄 14.68%
科大讯飞 2026 年上半年营收 116.23 亿元，同比增长 6.52%；归母净利润亏损 2.04 亿元，同比收窄 14.68%，减亏幅度超市场预期。扣非净利润亏损 6.37 亿元，亏损扩大 74.88%，主要系研发投入超 30 亿元、占营收比重超 25%，并加大智能批阅机、影像云、AI 眼镜等新品推广。上半年合同额同比提升 27%，第二季度单季度经营性现金流已转正。
IT之家·人工智能AI 评分4747 Waymo 将 Gemini AI 助手整合进 Ojai 自动驾驶出租车，可语音调温度、查周边
Waymo 宣布将 Gemini 作为车载 AI 助手整合进全新 Ojai 自动驾驶出租车，乘客可通过语音调节车内温度、查找附近咖啡店或了解地标历史。Gemini 与负责车辆控制的 Waymo Driver 系统独立运行，无法访问实时驾驶数据，但可请求靠边停车并转交系统处理。该功能处于 Beta 测试阶段，Ojai 已向洛杉矶、菲尼克斯和旧金山用户开放。
TechCrunch：AIAI 评分5252 Amazon 将 AI 助手 Alexa+ 免费推向 Fire TV，无需 Prime 订阅
Amazon 宣布将 AI 助手 Alexa+ 免费推送到美国所有兼容 Fire TV 设备，用户无需 Prime 订阅。此前非 Prime 用户需每月支付 $19.99，现在所有用户将自动升级，无需下载应用或订阅。Alexa+ 支持对话式搜索、智能家居控制及 AI 推荐，Amazon 称其用户与 Alexa 的对话次数已接近原来的两倍。
IT之家·人工智能AI 评分5050 亚马逊 Alexa+ 免费登陆全美所有受支持 Fire TV，原价 19.99 美元/月
亚马逊宣布向美国所有兼容的 Fire TV 设备免费提供 Alexa+，不论用户是否订阅 Amazon Prime，兼容设备将自动升级，无需额外下载或订阅。此前未订阅 Prime 的用户需每月支付 19.99 美元，且服务仅限去年秋季发布的新款设备。Alexa+ 在 Fire TV 上提供对话式搜索、智能家居控制和 AI 推荐，用户对话次数已接近原版 Alexa 的两倍。
TechCrunch：AIAI 评分4848 Calendly 推出会议记录工具，加入 AI 笔记应用竞争
Calendly 推出会议记录产品，可加入会议、录制音视频并生成摘要、行动项和跟进邮件草稿，并正在测试类似 Granola 的系统音频转录功能。公司还计划发布 AI 助手 Callie，利用现有日程与会议堆栈安排会议、查看可用性并调取过往会议上下文。CEO Tope Awotona 表示，该工具会在会议开始前及进行中通过聊天消息告知与会者正在录音，用户可随时要求其离开对话。
公众号：面壁智能AI 评分5252 算法工程师用 MiniCPM-o 4.5 打造全双工陪伴机器人 YRobot
算法工程师颜鑫基于本地部署的 MiniCPM-o 4.5，打造了能同时看、听、说并在对话重叠区捕捉情绪的全双工桌面陪伴机器人 YRobot。MiniCPM-o 4.5 在 Daily-Omni 全模态理解上获 80.2 分，反超 Gemini 2.5 Flash 的 79.3；INT4 量化后内存占用仅 11GB，实时率 0.20。YRobot 的模型、硬件与代码已全部开源。
MarkTechPostAI 评分6262 Cartesia 发布 Sonic-3.6 实时文本转语音模型，登顶两大语音榜单
Cartesia 发布实时文本转语音模型 Sonic-3.6，在 Artificial Analysis 两大语音榜单均位列第一，其中 Controlled Voice 榜 1,123 Elo，超越 ElevenLabs Eleven v3。该模型基于状态空间模型，首音频延迟低于 90ms，现以 beta 版和托管 API 形式提供，定价为每 100 万字符 49 美元。
- Artificial Analysis@ArtificialAnlysAI 评分5353
TechCrunch：AIAI 评分5050 Wispr 获 2.8 亿美元 B 轮融资，估值 20 亿美元，业务拓展至会议记录
Wispr 宣布完成由 Menlo Ventures 领投的 2.8 亿美元 B 轮融资，估值达 20 亿美元，累计融资额升至 3.61 亿美元。公司同步推出名为 Canto 的新模型，可将 Wispr Flow 听写输出的错误率从 30% 降至 10% 以下，并发布会议记录工具，与 Granola、Fireflies 等产品竞争。
IT之家·人工智能AI 评分5757 Qwen-Audio-3.0系列语音模型上线阿里千问AI平台，斩获三项全球第一
阿里云今日宣布Qwen-Audio-3.0系列语音模型上线千问AI平台和阿里云百炼平台，开发者可通过API或订阅Token Plan调用。该系列包含ASR、TTS和实时交互三款模型，在Artificial Analysis今年7月语音排行榜上斩获三个赛道全球第一，目前已应用于千问App、千问办公、Qoder等产品。
IT之家·人工智能AI 评分4141 韶音 OpenFit 2 AI 耳机开启预售：基于千问大模型、48 小时续航，首发价 1398 元
韶音 OpenFit 2 AI 耳机开启预售，首发价 1398 元。该耳机基于千问大模型，支持三端录音、最长 8 小时记录，内置 12 大行业词库，覆盖 30 种语言与 19 种方言转写及四种翻译模式。续航方面，单耳 11 小时、搭配充电盒总续航 48 小时，支持“充电 10 分钟聆听 2 小时”快充。
TechCrunch：AIAI 评分5454 苹果洽谈付费使用出版商内容，为 Siri AI 提供实时新闻
据《华尔街日报》报道，苹果正与出版商洽谈付费使用其内容，为即将推出的 Siri AI 提供实时新闻与信息。苹果提出按内容使用量付费的可变补偿模式，而非行业通行的固定授权费，并考虑为此预留九位数预算。Siri AI 预计今年晚些时候上线。