Patter SDK 发布教程，演示如何构建一个餐厅预订场景的语音智能体工作流。该流程支持动态调用变量、注册可调用工具、应用输出护栏（如PII脱敏、脏话过滤、话题范围限制），并可在无需实时电话凭证的情况下运行脚本化通话模拟。教程还涵盖延迟与成本指标追踪、回归式评估检查，以及将智能体逻辑、工具调用、安全检查和通话模拟整合为单一结构化管线。
推荐理由：这个教程把 Patter SDK 的语音代理从模拟到部署跑了一遍，代码能直接抄，想上手电话 AI 的开发者可以当样板，不过工具本身还比较新，生态有待验证。
小米语音首席科学家 Daniel Povey 当选 2026 ISCA Fellow，全球仅 100 余人获此殊荣。他因在语音识别声学建模、序列训练创新方法及开源工具 Kaldi 的贡献入选，是继 2023 年 IEEE Fellow 后再获殊荣。其团队推出的 OmniVoice 模型支持 600+ 语言，开源 3 个月 Huggingface 下载量超 500 万次。
OpenAI@OpenAIAI 评分5656近距离观察 GPT-Live 在智能方面的改进：该模型能够一边保持对话，一边同时处理多项任务，例如查询航班、查看当地天气以及实时规划行程。
ChatGPT@ChatGPTappAI 评分6060GPT-Live, now with Live Activity support
Spotify 向 Premium 用户开放 AI 语音界面测试版，用户可在应用内通过语音或文字指令控制播放、查询歌曲/艺术家/播客信息及个人收听历史。该功能还支持回答常识性问题，但复杂话题可能引发模型幻觉。测试版面向美国、爱尔兰和瑞典 18 岁以上用户开放。
Suno@sunoAI 评分4848让你的文字唱起来 🎶 Suno 现已加入你的 iMessage 键盘 请确保将你的 Suno 应用更新至最新版本
旧金山语音 AI 初创公司 Rime 完成 2400 万美元 A 轮融资，由 M13 Ventures 领投。Rime 自建录音棚采集对话数据训练模型，并采用音素架构适配不同行业术语发音，客户无需重新训练。公司已服务 Mayo Clinic、Dialpad 等客户，并计划将 35 人团队扩招至模型开发、工程和合作岗位。
知情人士透露，百度正为苹果 Apple 智能开发基于 AI 的搜索功能，可处理图像和文本，并升级中国版 Siri。同时，阿里巴巴宣布阿里千问将作为 AI 能力集成至 Apple 智能，为 iOS、iPadOS、macOS 和 visionOS 的中国用户提供文本与图像理解、内容生成等体验。Apple 智能大模型已于 2026 年 7 月 8 日备案，适用场景为苹果手机。
微信鸿蒙版 App 今日开启 8.0.19.41 (8393513) 版本邀测升级，测试时间为 2026/7/15-2026/8/14。新版本新增收藏的聊天记录支持转存为笔记、相机录制视频时切换前后摄像头、聊天界面双击文字消息放大显示等功能。此外，元宝由联系人态变更为 AI 功能态，支持鸿蒙端开启聊天；灰度测试朋友圈发送后删除可重新编辑、发送实况照片等多项功能。
阿里巴巴今日发布实时语音交互对话模型 Qwen-Audio-3.0-Realtime，包含推理更强的 Plus 版本和速度更快的 Flash 版本。该模型在 S2S 语音指令遵循基准 VStyle 上取得 SOTA 效果，并在 Artificial Analysis 子项中综合排名第一，超越 OpenAI GPT-Realtime-2。
阿里通义实验室发布实时语音交互模型 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 的 Speech Reasoning 子项中综合排名第一，超越 OpenAI GPT-Realtime-2。
推荐理由：我觉得Qwen-Audio-3.0-Realtime把情感表达和背景降噪结合得很好，加上工具调用，语音交互终于从聊天走向任务执行，有API可以直接上手，推荐语音产品经理试试。
阿里语音交互模型 Fun-Realtime-AudioChat 全面升级并更名为 Qwen-Audio-3.0-Realtime，支持根据语境动态调整语气与情感、音色克隆，并内置多模态双工控制模型，实现声纹级背景过滤。
推荐理由：把文本推理能力蒸馏到语音模型同时保留毫秒级响应，这种架构为需要复杂决策的语音智能体提供了可行路径。
MacWhisper 14.0 更新发布，新增编辑器视图（Editor View），允许用户在主界面直接编辑转录稿、添加段落、重新分配发言人。该版本还改进了 AI 服务界面，修复了 CPU 空闲占用率过高等问题。同步推出的 14.1 更新新增 Gladia 作为云转录提供商。
彭博社报道称 OpenAI 首款消费级设备是一款可移动、无屏幕的智能音箱，定位为 AI 伴侣，可部署在家庭环境中辅助工作效率。该设备内置摄像头和传感器以理解用户周围环境，搭载超越传统智能音箱的先进 AI 模型，可充当智能家居中枢控制联网设备，并支持通过 GPT-Live 系列模型进行 AI 聊天式交互。
Artificial Analysis@ArtificialAnlysAI 评分6262据 Bloomberg 报道，OpenAI 的首款硬件设备将是一款可与 ChatGPT 对话的智能音箱。该设备没有屏幕，但会利用摄像头和额外传感器来“理解”用户环境。它还配备可充电电池，支持随身携带，并提供智能家居控制功能。报道发布前不久，苹果刚起诉 OpenAI 窃取硬件机密；OpenAI 回应称“未发现任何证据表明该投诉有依据”。
Hinge 创始人 Justin McLeod 为其新公司 Overtone 筹集 1800 万美元，Match Group、FirstMark Capital 和 Pace Capital 参投。Overtone 定位为“由 AI 驱动的语音优先服务”，提供高度精选的匹配介绍，而非传统滑动匹配的约会应用。该服务将于今年晚些时候在特定地区上线，关系专家 Esther Perel 已加入董事会。
Apple 发布 iOS 27 公测版，首次让普通用户试用其史上最大规模的 Siri 改版。新版 Siri 可访问设备上的邮件、照片和消息，并深度集成于操作系统，覆盖 iPhone、iPad、Mac 等全产品线。其 AI 底层采用 Apple Intelligence 与基于 Google Gemini 知识蒸馏的自研 Foundation Models。
Spotify 正在测试一项名为“Talk to Spotify”的新 AI 功能，允许 Premium 订阅用户通过对话式聊天机器人来播放和探索音乐、有声书及播客。该功能出现在移动端应用的首页和“正在播放”视图，用户可在 AI 文本框中输入请求，或点击麦克风图标进行语音交互。与 Amazon Music 去年整合 Alexa Plus 的类似功能不同，Spotify 的聊天机器人不仅能提供 AI 推荐和常识问答，还能引用用户的播放列表和收藏内容。
Google AI Developers@googleaidevs精选AI 评分7070推荐理由：Google把Gemini 3.5的语音翻译做到了近实时、保持语调，这对出海产品是个很实际的升级，实时通话翻译终于从demo走向可用。
Google AI Developers@googleaidevsAI 评分4646http://x.com/i/article/2067347903761485824
Spotify 宣布为 Premium 用户推出基于 AI 的交互式音乐助手，用户可通过打字或语音与 App 进行多轮对话，以选择音乐、播客或有声书。该功能目前在美国、爱尔兰和瑞典的 iOS 及 Android 设备上以 Beta 版形式提供，面向 18 岁以上用户，仅支持英语。Spotify 确认该功能混合使用了自有 AI 技术与多家供应商的模型。用户可询问歌曲灵感、专辑发行日期、收听历史，或通过“播放一些我没听过的艺人”等指令动态调整播放列表，并支持保存歌曲、添加到队列或关注艺人。
微信鸿蒙版 App 开启 8.0.19.38 (8393510) 版本邀测升级，并放出更多名额。新版本支持微信相机录制视频时切换前后摄像头、通过朋友验证时新增添加电话选项、收藏的聊天记录转存为笔记。灰度功能包括：朋友圈删除后重新编辑、聊天界面发送实况照片、设置中新增提示音和铃声。听一听设置新增 AI 写歌模型选择，元宝由联系人态变更为 AI 功能态，支持鸿蒙端开启聊天。此外还修复了一些已知问题。
Inception Labs 发布 Mercury 2，称其为全球首个推理扩散语言模型（dLLM），在 NVIDIA H100 上以 1000+ token/秒并行解码，300 token 的推理链可在约 300ms 内完成，适配语音对话延迟预算。
推荐理由：官方给出扩散架构推理模型在 NVIDIA GPU 上的延迟与定价数据，语音 Agent 开发者可以据此评估是否能替换现有默认模型。
Greg Brockman@gdbAI 评分4141New OpenAI GPT-live voice model feels light years ahead of the previous voice experience. Ran through a test exec coaching session during my morning workout and it was shockingly good. Listened intently, never cut me off, and responded within milliseconds.
iOS 27 首个公开测试版今日发布。Siri AI 是本次更新的核心亮点，已在日常使用中显著改变 iPhone 交互方式。该版本被定位为 Snow Leopard 式更新，侧重系统修复与速度优化，包括应用启动、照片搜索和 AirDrop 传输提速。Messages 应用新增行内回复和 RCS 端到端加密支持，Liquid Glass 界面也得到进一步精炼。
Google 旗下导航应用 Waze 推出多项 AI 新功能，部分由 Gemini 驱动。个性化导航可根据用户行程历史和城市交通模式推荐路线，现已全球上线 Android 和 iOS。用户可通过 Gemini 语音搜索目的地，如“找一家现在营业的咖啡店”，该功能面向全球 Waze beta 社区开放。新增摩托车模式，利用 AI 考虑两轮车专属捷径和道路限制，提供更准确 ETA，已在阿根廷、巴西等 7 国上线。用户还可通过自然语言报告道路关闭或地址变更，以及开启“少话模式”减少语音提示干扰。
华为 FreeClip 2 系列耳机联动豆包功能已全量上线。下载华为智慧音频和豆包 App 后，鸿蒙手机可实现小艺与豆包双智能体在线，苹果/安卓用户也能通过豆包进行消息播报和面对面翻译。该耳机已推送鸿蒙 HarmonyOS 6.1.0.370 版本升级，新增支持 HarmonyOS 设备绑定豆包。FreeClip 2 搭载第三代自研低功耗芯片，首次引入 NPU AI 处理器，算力提升 10 倍；支持 L2HC 音频编码、星闪精确查找及星闪音频，单次续航 9 小时，首发价 1249 元。
Google 将旗舰 AI 智能体 Gemini 集成到导航应用 Waze 中，推出四项新更新。其中两项涉及 Gemini：一是升级对话式报告功能，驾驶员可用自然语音指令报告交通事件、道路封闭或过时门牌号等地图更新；二是新增目的地搜索，支持类似“找一家还在营业的咖啡店”的语音查询。该功能最早于 2024 年引入。
特斯拉 AI 负责人 Ashok Elluswamy 确认，利用 Grok 语音控制 FSD 的功能正在开发中。该功能旨在让用户通过自然语言指挥车辆，如指定驶入哪个车道或哪户人家的车道，并让车辆记住停车位置。Grok 已于去年夏天接入特斯拉车机，支持语音添加导航途经点、修改路线及基于地点的提醒。马斯克上月表示该功能预计“大约三个月内”推出。未来 Grok 还可能进一步接管车窗、空调等车内功能。
科技媒体 SamMobile 通过挖掘 One UI 9 系统发现，三星录音机应用将新增“云端转录”功能，可将语音录音上传至三星服务器，由云端 AI 生成转录文本以提升准确性。此前仅录音摘要使用云端 AI，转写依赖设备端 AI。新版本还加入录音格式转换选项，支持保存为 MP3 或 WAV 格式（当前为 M4A），并新增独立“管理存储”页面，自动按“长录音”“短录音”等类别归类录音。界面方面，列表内播放录音时将显示动态波形动画。
Greg Brockman@gdbAI 评分4040ChatGPT 语音是一项真正的进步。 我们过去总是不得不扭曲自己去适应电脑。现在感觉我们正在进入一个自然交互的新时代。 预计我们很快就会花更少的时间盯着屏幕，并认为今天的应用程序极其不友好。
The new ChatGPT voice is quite impressive to use, really worth a minute to try it out on your phone. (while staying aware that the voice model is not going to be as smart as a full thinking model)
小米宣布9款音箱及智能家庭屏设备已内置超级小爱，支持AI大模型问答、多轮连续对话与拟人语气、跨端多指令语控（一句话控车、控家、查信息），以及家中设备问答和语音创建智能场景。此外，超级小爱已接入微信A2A助手能力，支持一句话给微信好友发消息、打电话。
Rohan Paul@rohanpaul_aiAI 评分4242Duolingo is cooked 💀 GPT-Live fixes grammar while you speak
Rohan Paul@rohanpaul_aiAI 评分5757Live customer conversations are no place for agents to learn on the job. Cresta Training Simulator replaces scripted role-play with live, dynamic AI simulations that help human agents practice before going live. Learn more ➡️ https://cresta.com/blog/cresta-launches-training-simulator-bringing-ai-agent-technology-to-human-agent-training
巴黎AI语音初创公司Gradium周四宣布，向包括Nvidia在内的新投资者重新开放种子轮融资，总融资额达1亿美元。资金将用于在湾区设立办公室并争夺人才。Gradium于去年12月从法国AI实验室Kyutai剥离，此前已获7000万美元融资，投资者包括FirstMark Capital、Eurazeo、DST Global Partners、Eric Schmidt及Xavier Niel。公司由前Google Brain、DeepMind和Facebook研究员Neil Zeghidour联合创立，主推超低延迟语音AI模型，实现近乎即时的语音响应。尽管面临ElevenLabs、Google Gemini等竞争，Gradium已赢得法国汽车制造商雷诺等大客户。
jason@jxnlcoAI 评分7171使用gpt-live进行双向翻译。 有人想给hiroki送一个切西兰花的机器人吗？
