跳到正文
#语音
9月24日周四
  2. IT之家·人工智能71

    OpenAI 为 ChatGPT 移动端新增语音智能体功能，可语音撰写文档、总结邮件

    OpenAI 宣布 ChatGPT 移动端新增基于语音的智能体功能，用户可通过说话完成撰写文档、总结电子邮件等工作。Pro 和 Plus 订阅用户可用"工作"创建文档、写邮件、总结 Slack 消息，还能创建网站、制作 PPT、使用云端浏览器；Free 和 Go 用户可使用插件和已连接的应用，Plus 用户可在文本和语音间切换，或从手机转到电脑继续。

  3. OpenAI72

    OpenAI 宣布 ChatGPT Voice 更新，即日起在最新版应用全球推送。语音功能现可使用邮件、日历和 Slack 等插件，并由 GPT-6 Astra、Sol 和 Luna 模型驱动。同时语音可在网页和移动端的 ChatGPT Work 中使用，仅通过说话即可在浏览器中创建文档、演示文稿、网站和表格，或处理复杂任务。

    同一件事，精选收录的是《ChatGPT Voice 升级：可调用邮件、日历、Slack 插件并由 GPT-6 Astra、Sol、Luna 驱动》

  9. TechCrunch：AI58

    OpenAI 在 ChatGPT 移动端推出语音触发的智能体功能

    OpenAI 宣布为 ChatGPT 移动端带来语音触发的智能体功能，用户可用语音让模型起草文档、总结邮件等。Plus 和 Pro 用户可在手机 Work 标签页创建文档、草拟邮件、总结 Slack 消息，还能建站、做演示文稿、使用云端浏览器和财务功能；Free 和 Go 用户可使用插件和已连接应用。

  11. Greg Brockman77

    GPT Voice 获得重大升级，现在可以使用邮箱、日历、Slack 等工具，并由 GPT-6 Astra、Sol 和 Luna 驱动。语音功能现已登陆网页端和移动端的 ChatGPT Work，用户可仅通过语音在浏览器中创建文档、演示文稿、网站和表格或处理复杂任务，今日起在全球最新版应用中推出。

    引用OpenAI@OpenAI

    我们听到了你们的声音，非常清楚。ChatGPT Voice 现在可以： - 使用你的电子邮件、日历和 Slack 等插件。 - 由 GPT-6 Astra、Sol 和 Luna 提供支持。 - 在网页端和移动端的 ChatGPT Work 中使用，这样你只需开口说话，就能在浏览器中创建文档、演示文稿、网站和电子表格，或处理复杂任务。 今天起在最新版应用中面向全球逐步推出。

    同一件事，精选收录的是《ChatGPT Voice 升级：可调用邮件、日历、Slack 插件并由 GPT-6 Astra、Sol、Luna 驱动》

  14. Tibo72

    OpenAI 宣布 ChatGPT Voice 升级，可使用邮件、日历和 Slack 等插件，并由 GPT-6 Astra、Sol、Luna 驱动。语音现已支持 ChatGPT Work 的 web 和移动端，可在浏览器中仅通过说话创建 docs、decks、sites 和 spreadsheets 或处理复杂任务，当天起在全球最新版应用中推出。

    引用OpenAI@OpenAI

    我们听到了你们的声音，非常清楚。ChatGPT Voice 现在可以： - 使用你的电子邮件、日历和 Slack 等插件。 - 由 GPT-6 Astra、Sol 和 Luna 提供支持。 - 在网页端和移动端的 ChatGPT Work 中使用，这样你只需开口说话，就能在浏览器中创建文档、演示文稿、网站和电子表格，或处理复杂任务。 今天起在最新版应用中面向全球逐步推出。

    推荐理由：OpenAI 官方更新清晰列出语音功能的能力范围和开放时间，读者可以据此判断语音入口是否值得纳入日常工作流。

  15. Elon Musk58

    Elon Musk 转发 @mattyp 的介绍，Grok Bot 本周新增语音通话与语音备忘、Grok Bot 的 1Password vault、内联表单、邮件与 Slack 内联草稿、账号切换，以及通过桌面端路由流量的功能，视频按时间点逐一演示。

    引用matt palmer@mattyp

    Here's what's new in Grok @Bot this week 0:08 Voice calls and voice memos 0:35 1Password vault for Grok Bot 0:53 Inline forms 1:07 Inline drafts for email and Slack 1:31 Account switching 1:40 Route traffic through your desktop

9月23日周三
  1. Google DeepMind：Blog74

    Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型

    Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒样本复刻声音，并提供逐行表演指导、长时音频生成和双说话人场景编排，覆盖 100 多种语言。

    推荐理由：官方介绍了两款 TTS 模型的能力细节、评测名次和开放入口，开发者可以据此评估语音生成工作流的选型。

  7. The Decoder：AI News68

    阿里 Qwen 发布 Qwen-Audio-3.1 五款语音模型，语音价格最高下调 95%

    阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、语音合成（TTS）和实时交互的模型。ASR 改进多语言和方言识别并自动清理填充词，ASR-Next 支持多说话人识别、时间戳及情绪和环境声检测；TTS-Next 将语言模型与扩散方法结合，可一次性生成语音、音效和背景音频。同步降价：TTS 约 70%，Realtime 约 85%，ASR 最高 95%。

  8. Qwen67

    Qwen 发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增音频创作模型 TTS-Next 和音频理解模型 ASR-Next，共五个模型覆盖理解、生成、交互与创作。全线降价，TTS 约 70% off、Realtime 约 85% off、ASR 最高 95% off；Realtime 可边说边听、随时打断，检测到低落情绪时会放慢语速并共情回应。

    推荐理由：官方一次性给出五个音频模型的能力细节和三档降价幅度，读者可对照自身场景评估替换成本。

  9. IT之家·人工智能55

    特斯拉北美车机上线 Grok Bot，可语音下单购物、管理日程

    特斯拉在 X 平台官宣 Grok Bot 于北美车机上线，驾驶员可免手动查看邮件、管理日程、线上购物和梳理待办。功能通过唤醒口令、方向盘按键或应用启动器触发，访问 Gmail、Google Calendar 等第三方服务需配置连接器，目前仅对 SuperGrok Heavy 订阅用户开放，其他订阅档位后续获得资格，连接器则所有用户均可配置。

  11. OpenAI Developers：Blog47

    用 GPT-Live-1 和 Codex 把 LED 显示屏变成语音助手 Jack

    OpenAI 开发者用 GPT-Live-1 全双工语音模型和 Codex，把一块 128 × 64 HUB75 LED 面板改造成语音助手 Jack，整套系统跑在 Raspberry Pi 上。GPT-Live-1 负责持续对话与打断，需要外部信息时委派给树莓派，由 GPT-5.6 Luna 以低推理强度发起 Responses API 请求，查询天气、日历和 MTA 地铁到站信息。

  13. Meta AI：Research Blog70

    Meta 发布 Muse Realtime Avatar，将实时语音转化为可交互的动态化身

    Meta 发布 Muse Realtime Avatar，将 Muse Realtime Voice 的语音流实时转化为带表情、手势和全身动作的交互化身，可基于参考图像驱动人像、插画、动物或日常物品。

    推荐理由：原文给出了蒸馏方案、延迟数字和与商业系统的对比结果，读者可以据此评估其实时化身生成的技术路线和落地水平。

9月22日周二
  4. Gemini API：更新日志65

    Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 并正式开放 Gemini API Voices 端点

    Google 宣布 Gemini 3.8 Flash TTS（gemini-3.8-flash-tts）和 Gemini 3.8 Flash-Lite TTS（gemini-3.8-flash-lite-tts）正式可用，并发布 Gemini API Voices 端点（/v1beta/voices）。

    推荐理由：官方更新日志列出了两个 TTS 模型定位差异和 Voices 端点能力，读者可据此选择替换现有语音方案。

9月21日周一
9月20日周日