跳到正文
#语音
7月30日周四
7月29日周三
  1. TechCrunch：AI49

    Encore AI 获 3000 万美元 A 轮融资，用客户通话训练 AI 语音智能体

    Encore AI 完成 3000 万美元 A 轮融资，由 Team8 领投。该公司通过分析企业与客户的通话、邮件等交互记录，提取成功策略并训练 AI 语音智能体，使其能辅助或自主完成客服与销售工作。Encore 目前拥有超过 40 家企业客户，年经常性收入较 18 个月前种子轮时增长超 5 倍。

  8. OpenAI Developers65

    我们在 API 中引入了两种新的转录模型： • GPT-Live-Transcribe：专为低延迟实时转录而构建。 • GPT-Transcribe：针对已完成音频文件和批量工作负载的异步转录进行了优化。 两种模型都能更好地理解上下文，并在跨口音和语言的实际音频上提供更准确的转录，包括短句、数字、专业术语以及背景噪音较大的语音。

    推荐理由：OpenAI 正式把转录拆成实时和异步两个模型，这是一个信号，语音 AI 的落地正在从通用走向场景专用，做语音产品的都该看一眼。

7月28日周二
  1. TechCrunch：AI57

    Fish Audio 获 5000 万美元种子轮融资，为创作者和企业构建 AI 语音模型

    Fish Audio 完成 5000 万美元种子轮融资，由 Coreline Ventures 和 Capital Today 领投。该公司提供超过 15000 种自然语言控制的 AI 语音模型库，已有超 800 万用户，年经常性收入达 2100 万美元。其开源项目 Fish Speech 在 GitHub 获超 31000 星，最新 S2.1 Pro 模型仅通过付费 API 提供。

  2. The Verge：AI47

    智能戒指正成为我眼中最理想的 AI 设备

    Sandbar 公司推出的智能戒指 Stream 将于今年晚些时候发货，其核心功能是向所有设备进行语音听写。用户只需将戒指靠近嘴边、按下触控板即可安静地录入文本，并能在 Mac 和 iPhone 之间无缝切换。该设备专注于捕捉佩戴者自己的声音而非周围环境，旨在解决手机输入繁琐的问题，让用户无需掏出手机即可快速记录想法或与 AI 助手对话。

  4. IT之家·人工智能67

    AI 外呼日拨千通电话，总台中国之声曝光骚扰电话最新营销手段

    AI 电销服务已形成两条主流路径，单个机器人每天可拨出 800 到 1500 通电话，成本低至每分钟 0.12 元。升级版大模型智能体无需预设脚本，能通过语义理解和情绪识别实现“千人千面”沟通，定价约 5000 元。这些来电号码可经技术伪装，运营商难以追溯投诉，行业还普遍配备“一键去标记”功能清除骚扰标签。

7月27日周一
  2. 公众号：腾讯混元47

    腾讯微证券早报接入混元大模型，推出可随时打断的AI播客与记忆助手

    腾讯自选股旗下微证券早报正式接入腾讯混元大模型，推出AI语音播客，支持用户收听时随时打断并提问，AI主播能即时解答后接回主线。播客提供简洁/深度两种模式及单人/双人播报形态。同时，微证券AI智能助手接入腾讯混元记忆（Hy-Memory），在记忆评测中综合得分79.6，多跳召回率达90%。

  3. 公众号：腾讯混元54

    腾讯微证券早报上线混元 AI 播客，支持边听边互动

    腾讯自选股旗下微证券早报接入腾讯混元大模型，推出支持实时互动与随时打断的 AI 语音播客，用户可开口提问，AI 主播即时解答后续接回主线。播客提供简洁版与深度版、单人/双人播报模式。同时，微证券 AI 智能助手接入腾讯混元记忆（Hy-Memory），在记忆评测中综合得分 79.6，多跳召回率达 90%。

  4. 通义 QwenAudio：原创语音项目66

    QwenAudio 开源 qwen-audio-agent 实时语音 Agent 运行时

    QwenAudio 开源 qwen-audio-agent，一个让 Agent 保持在线的实时语音运行时，前台对话与后台任务并行，任务结果自动回到当前对话。

    推荐理由：原文给出了前台语音对话加后台 Agent 执行的架构设计与多款后端 Agent 接入方式，读者可据此评估是否接入自己的工作流。

7月26日周日
  1. Elon Musk49

    你可以直接与 Grok Build 对话。

    引用stevenmarkryan@stevenmarkryan

    My biggest tip for Grok Build is to VOICE PROMPT. ctrl + space then speak. It is WAY faster than typing. AND Grok is very good at understanding what you want if you just start speaking in a rambling stream of consciousness that is indistinguishable from verbal diarrhea.

7月25日周六
  1. jason45

    OpenAI 在桌面端上线 ChatGPT Voice，支持用语音控制电脑并指挥 ChatGPT Work 或 Codex 中的多个 AI 智能体。该功能由 GPT-Live 驱动，可同时说话、聆听和协调工作，即日起向 macOS 和 Windows 的 Plus、Pro、Business、Edu 及 Enterprise 用户开放。

    引用OpenAI@OpenAI

    ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.

7月24日周五
  3. The Decoder：AI News56

    Claude 语音模式现已支持 Opus 和 Sonnet 模型

    Anthropic 将 Claude 语音模式扩展至更强大的 Opus 和 Sonnet 模型，用户可在移动端、桌面端和网页聊天中随时切换模型。该模式支持 11 种语言，并能调用 Gmail、Google Calendar 等外部工具通过语音撰写和发送邮件。Anthropic 是目前唯一允许用户在语音模式下直接保存邮件的提供商。

  4. IT之家·人工智能52

    亚马逊升级 Alexa+ AI 助手，支持购物、餐厅预订、叫车等任务

    亚马逊今日宣布升级 Alexa+ AI 助手，支持自然对话、信息记忆和任务执行，可完成购物、餐厅预订、叫车等日常任务。Alexa+ 具备多模态能力和超强记忆力，打通了 Uber、OpenTable、Grubhub 等第三方服务接口，用户可通过语音直接叫车、订餐或点外卖。Alexa+ 还能在 Echo 音箱、手机 App、车载设备和网页端之间同步对话上下文，并提供个性化新闻摘要。

  5. IT之家·人工智能52

    Claude Opus、Sonnet 模型现已支持语音模式，对话深度与任务执行能力提升

    Anthropic 将 Claude Opus 和 Sonnet 模型纳入语音模式，此前仅支持 Haiku。更强模型能提供更深入的回答、分析，并可直接执行任务，如整理推介方案或重新安排日历。用户可在同一对话中自由切换文字与语音，并随时更换模型；语音模式新增法语、德语、日语等语言支持。

  6. IT之家·人工智能70

    OpenAI 升级 ChatGPT 桌面应用，GPT-Live 模型驱动语音模式上线

    OpenAI 于 7 月 24 日发布公告，升级 ChatGPT 桌面应用（已与 Codex 合体），引入由 GPT-Live 模型驱动的 ChatGPT Voice 模式。用户可在聊天、办公和编程三个板块中通过语音发起、检查或调整任务，实现多线程工作协同。GPT-Live 为全双工语音模型，可同时聆听与说话，支持从单一对话启动多个工作流程并在后台完成任务。

  7. IT之家·人工智能59

    微软推出自研AI模型MAI-Image-2.5-Pro与MAI-Voice-2-Flash，已进入公开预览

    微软发布两款自研AI模型MAI-Image-2.5-Pro和MAI-Voice-2-Flash，均进入公开预览，强调使用企业级数据训练、未蒸馏第三方产品。MAI-Image-2.5-Pro为微软最高精度图像模型，文本输入每百万token 5美元；MAI-Voice-2-Flash速度提升约2倍、成本降低32%，每百万字符15美元。

  8. Greg Brockman44

    语音让你真切感受到打字是多么不自然

    引用OpenAI@OpenAI

    ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.

  9. Tibo48

    OpenAI 将 ChatGPT Voice 功能引入桌面应用，用户可通过语音控制电脑并指挥 ChatGPT Work 或 Codex 中运行的多个 AI 智能体。该功能由 GPT-Live 驱动，支持同时说话、聆听和协调工作。即日起面向 macOS 和 Windows 的 Plus、Pro、Business、Edu 及 Enterprise 用户全球推送。

    引用OpenAI@OpenAI

    ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.

  11. Rohan Paul53

    Anthropic升级Claude语音模式，现支持Claude Opus、Sonnet和Haiku三款模型，可在对话中切换模型且不丢失上下文。语音模式新增连接Gmail、日历、Slack、Canva和Notion等工具，通过语音执行移动会议、起草邮件等操作。该功能支持10种语言，覆盖移动端、桌面端和网页端，免费用户仍限用Haiku及一个连接工具。

    引用Claude@claudeai

    Voice mode now runs on Claude's more capable models and reaches the tools you've connected mid-conversation. Talk through the hard problems out loud, in many more languages.

  12. The Verge：AI71

    Claude 语音模式现已支持 Opus 和 Sonnet 模型

    Anthropic 将语音模式从 Haiku 扩展至 Opus 和 Sonnet 模型，并接入 Gmail、Slack、Canva 等应用。用户可在对话中自由切换文本与语音模式及模型，例如从 Haiku 快速问答无缝升级至 Opus 深入分析。语音模式新增法语、德语、西班牙语、印地语、印尼语、意大利语、日语、韩语和葡萄牙语支持。

  13. OpenAI79

    ChatGPT 语音功能现已登陆桌面应用。 只需使用语音，即可控制你的电脑，并指挥在 ChatGPT Work 或 Codex 中运行的多个智能体。 该功能由 GPT-Live 驱动，因此它能够同时在该应用中说话、聆听并协调工作。 今日起，面向 macOS 和 Windows 平台的 Plus、Pro、Business、Edu 及 Enterprise 计划用户全球推送。

    推荐理由：ChatGPT 的语音助手正式上岸桌面，关键是能同时指挥多个代理干活，一边写代码一边查资料，全程动嘴就行。对重度用户来说，这可能比任何新模型都更直接影响工作流。