Yelp 推出 Check for Me 语音代打电话查餐厅等位功能
Yelp 为应用用户推出新功能 Check for Me，用户在餐厅页面输入人数和电话号码后，AI agent 会代其致电餐厅查询等位时间并以短信反馈结果。Yelp 同时升级其 AI 助手，通过 OpenTable 集成支持应用内订位，助手会记住用户此前聊天中提到的偏好，并可查看过去 30 天的聊天记录。
#语音
TechCrunch · AIAI 评分5555 TechCrunch · AIAI 评分4747 Otter AI 获 General Catalyst 增长基金 3.2 亿美元融资
会议记录工具 Otter.ai 宣布从 General Catalyst 的 Customer Value Fund（CVF）获得 3.2 亿美元融资，该基金不稀释股权，资金将用于企业增长、市场策略、国际扩张和产品创新。
The DecoderAI 评分7373 Kling AI 发布 4.0 版本，带来立体声音频、多语言口型同步与 Flash 轻量变体
Kling AI 发布 4.0 版本，单次可生成最长 30 秒视频，支持最多十张关键帧输入，提示词理解扩展至 8,000 tokens，Omni Reference 系统单次可接受最多 15 个参考素材。
AWS Machine Learning BlogAI 评分4747 Deepgram 如何借助 AWS Trainium2 优化语音 AI 规模化推理
Deepgram 将 Nova-3 语音转文字模型移植到 AWS Trainium2，用于离线批量工作负载，在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本，每美元处理的音频量比原有计算方案多 11–70%。
Hugging Face BlogAI 评分5656 Hugging Face 发布 Granite Switch 4.1：单一端点支持对话、决策与语音
Hugging Face 发布 Granite Switch 4.1 系列模型（Granite-Switch-4.1-8B 和 -30B），通过 Decision aLoRA。
TechCrunch · AIAI 评分5555 Amazon 旗下 Bee 发布两款个人 AI 可穿戴设备，起价 $74.99
Amazon 旗下个人 AI 可穿戴设备公司 Bee 发布被收购后的首批新品：可腕戴或别在衣物上的 Bee Frontier，售价 $74.99，以及磁吸在手机背面、卡片大小的 Bee Eclipse，售价 $99.99。
The Verge · AIAI 评分5555 Amazon 发布 Bee Frontier 和 Bee Eclipse 两款 AI 可穿戴设备及 Bee Pro 订阅
Amazon 宣布推出两款新的 Bee AI 可穿戴设备和一项订阅服务：$74.99 的 Bee Frontier（今日开售）和 $99.99 的 Bee Eclipse（即将推出），可监听日常对话并生成摘要、转录、洞察和待办事项。
The Verge · AIAI 评分4747 Square 推出 Square Kiosk，可通过语音 AI 对话点单
Square 推出 Square Kiosk 点单硬件，配备 21.5 英寸触摸屏和"agentic、对话式语音层"，可实时理解商家菜单，让顾客像和店员对话一样提问、修改或替换订单。设备支持接近感应迎宾、非接触式支付和刷卡，今日起面向 Square Plus 或 Premium 订阅商家发售，售价 $1,999，另加每台设备 $99/月的软件费。
TechCrunch · AIAI 评分5858 前 Plaud 高管 Peter Mo 创办的 Ambi 融资 2600 万美元，做全天候监听的 AI 助手
前 Plaud 高管 Peter Mo 创办的 AI 应用 Ambi 宣布完成 2600 万美元多轮融资，由 Luminous Ventures 和 ODM 厂商华勤领投，同时推出 iPhone、Mac 和 Apple Watch 应用。
TechCrunch · AIAI 评分3838 语音 AI 还没迎来自己的 ChatGPT 时刻，PolyAI 与 Otter 高管这样说
PolyAI CTO Shawn Wen 认为语音 AI 尚未迎来自己的"ChatGPT moment"，全双工模型已是里程碑，下一步挑战是让推理足够快、对话更自然。Otter CMO Alex Gay 指出说话人识别、意图捕捉与组织知识结合是自动化的关键，且 ASR 转写精度不足会让下游动作出错、失去用户信任。两家高管均强调工具需向用户明确告知正在录音或与 AI 对话。
Hugging Face BlogAI 评分5555 TII 发布 1.6B 阿拉伯语语音识别模型 Falcon-ASR
TII 发布 Falcon-ASR，一个 1.6B 参数、面向阿拉伯语并重点支持阿联酋方言的语音识别模型，同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用同一权重且无需指定语言标志。
AWS Machine Learning BlogAI 评分4444 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾服务
AWS 展示了如何用 Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases 和 Amazon Nova Sonic 为航司应用构建语音旅行礼宾，支持改座、查延误、答政策问题并转接人工坐席。
The Verge · AIAI 评分3434 Gemini Call for Me 或将扩展至亲友通话
Android Authority 在 APK 拆解中发现 "Gemini Calling" 引导页，示例包括 "Call Mom and tell her I will be 15 minutes late"，显示 Google 可能将 "Call for Me" AI 功能从商务通话扩展到亲友间留言式通话。
The DecoderAI 评分5555 Suno 推出 Speech 功能，可生成语音与配乐合一的音频
Suno 推出新功能 Speech，用户输入想法或文本并描述想要的声音与音乐风格后，模型会同时生成语音和背景音乐，输出为单条音频轨道。
The DecoderAI 评分6262 Microsoft AI 发布 MAI-Transcribe-2-Streaming 实时转录模型与两款语音合成模型
Microsoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming，称其在 Artificial Analysis 准确率排名第一，支持 60 种语言，首个部分结果在 100 毫秒多返回，年底前介绍价每小时音频 $0.54。
The Verge · AIAI 评分5858 Suno 推出 Speech 语音生成功能公测
Suno 推出新功能 Speech，可在网页和移动端公测中根据脚本或提示词生成人声，并与背景音乐同步生成一条完整音轨。该功能提供 Simple 和 Advanced 两种模式，可调整 AI 声音的性别、语音风格和变化程度，最长时长约八分钟，背景音乐可用开关关闭。Suno 首席产品官 Jack Brody 承认功能尚不完善，会根据用户反馈持续改进。
TechCrunch · AIAI 评分5151 ElevenLabs 允许员工以 220 亿美元估值兑现股权，较 2 月翻倍
AI 语音初创公司 ElevenLabs 宣布允许员工以 220 亿美元估值兑现部分已归属股权，较 2 月融资时的 110 亿美元估值翻倍。此次 300 亿美元...不对，此次 300 million 美元的要约收购由 Wellington 和 T. Rowe Price 联合领投，员工可向投资者出售股份。
Hugging Face BlogAI 评分5454 Hugging Face 推出 Open TTS Leaderboard 多语言与声音克隆评测榜
Hugging Face 发布 Open TTS Leaderboard，用客观指标评估多语言 TTS 与声音克隆模型，包括用 Qwen3 ASR 计算 WER/CER 衡量可懂度、在 H200 GPU 上测 RTFx 与 TTFA 衡量速度、用 WavLM 嵌入余弦相似度衡量说话人相似度，评测一个模型的时间从收集投票的数周缩短到数小时。
TechCrunch · AIAI 评分4545 DetectifAI：祖父遭深度伪造语音诈骗后，创始人推出端侧语音检测 SDK
DetectifAI 推出可在智能手机操作系统内运行的紧凑 AI 模型，能在通话、语音消息等场景即时判断声音是否由 AI 生成，且音频不离开设备。该公司以 SDK 形式授权给手机厂商，目前已为印度金融机构每月处理超过 100,000 通电话，提供深度伪造检测与说话人验证。据 FBI 数据，美国人去年因 AI 驱动诈骗损失近 $900 million，较 2024 年增长 24%。
The DecoderAI 评分7373 ElevenLabs 发布 Eleven v4 语音模型，并推出面向实时语音智能体的 Turbo 版本
ElevenLabs 发布 Eleven v4 语音模型，能更准确地遵循情绪、停顿和音效等指令，并在长篇制作中保持音色一致。新架构同时支撑 Turbo 版本，官方测试中约 150 毫秒开始输出语音，对比 Cartesia Sonic 3.6 的 262 毫秒和 OpenAI GPT-4o mini TTS 的 814 毫秒。
AWS Machine Learning BlogAI 评分2828 用 vLLM-Omni 在 SageMaker AI 上构建实时语音应用（Part 1）
AWS 发布 vLLM-Omni DLC，可在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并附 Gradio 示例应用。
AWS Machine Learning BlogAI 评分4444 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时个性化语音
Amazon SageMaker JumpStart 现已支持部署 Qwen3-TTS-12Hz-1.7B-Base 文本转语音模型到全托管实时推理端点，仅需几秒参考音频即可完成声音克隆，无需重新训练。Qwen3-TTS 支持 10 种语言、流式生成与跨语言克隆，输出 24 kHz 音频，由 vLLM-Omni 容器提供服务。该方案让数据保留在 AWS 环境内，成本随算力用量而非按字符计费。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音对话结合，为 Gemini 的对话式 AI 带来近实时的视觉形象。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解其多语言同步与异步工具调用如何用于企业对话场景。
AWS Machine Learning BlogAI 评分4141 在 SageMaker AI 上用 WhisperX 实现带说话人标注的语音转写
AWS 推出 WhisperX Deep Learning Container，可部署到 Amazon SageMaker AI 实时或异步端点，为语音转写补齐逐词时间戳与说话人标注。
Latent SpaceAI 评分6262 Meta Connect 2026：Muse 智能体、眼镜硬件与 Charm 发布
Meta 在 Connect 2026 上发布个人智能体 Muse 的语音与实时视频能力、Muse Realtime Avatar、Mac 电脑操作、Muse Mail 以及 1,500+ 连接器应用，并推出 Ray-Ban Meta Gen 3、售价 1,299 美元的 Meta VR Glasses、FDA 认证助听功能和 12 月发货的钥匙扣设备 Muse Charm。
Simon WillisonAI 评分5555 Simon Willison 发布 Gemini 3.8 TTS Playground 并实测新语音模型
Simon Willison 发布了一个自带 API key 的 Gemini 3.8 TTS Playground，可组合单人旁白或多说话人对话、预览音频并把配置存为可分享 URL。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
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，前者面向角色设计与深度创作控制，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：Google DeepMind 发布两款 TTS 模型，给出语音克隆、逐行导演与多语言覆盖的具体能力与开放入口。
OpenAI NewsAI 评分2424 Ringg 用 OpenAI GPT-5.6 打造的 AI 智能体解决高达 65% 的客户来电
Ringg 基于 OpenAI GPT-5.6 打造的 AI 智能体可解决高达 65% 的客户来电，覆盖语音、聊天、WhatsApp 和网页等多渠道的多语言场景。相比 GPT-4.1，其成本降低 90%。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，分别面向规模化低成本场景与高复杂度多步推理任务。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的能力与成本取舍。
OpenAI News精选AI 评分6565 OpenAI 在 API 中推出 GPT-Live-1 语音模型
OpenAI 在 API 中推出 GPT-Live-1，带来自然的全双工语音对话能力，并具备更强的指令遵循、自定义声音和电话（telephony）支持。
推荐理由：原文点明了全双工语音、自定义声音和电话接入三项能力，读者可据此判断它对语音应用形态的影响。
Hugging Face Blog精选AI 评分6161 Open ASR Leaderboard 新增 Hindi 与 Indian English 评测集 Monsoon
Voice Arena 与 Hugging Face 合作向 Open ASR Leaderboard 新增 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，Hindi 成为该多语言标签页上的首个 Indic 语言。
推荐理由：原文用分区 WER 差异和 lattice 打分对比说明单一 WER 的盲区，读者可据此理解榜单评测的可迁移设计。
Google DeepMind精选AI 评分7474 Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe
Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe，可将原始音频直接转为准确、格式化的文本，已在 Gemini app 和 Android 的 Rambler 等功能中使用，现通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 向开发者开放。
推荐理由：原文给出了 WER、延迟等量化指标和 Chirp 3 对比，读者可据此评估其在真实场景的可用性。
Hugging Face Blog精选AI 评分6363 Hugging Face 研究提出三种测试量化语音识别中的基准优化现象
Hugging Face 发布研究，提出三种测试来量化语音识别中的基准优化（benchmaxxing）现象，并评测了 11 个广泛使用的开源 ASR 模型。
推荐理由：研究给出三种可量化探测方法与具体数据，读者可据此理解公开语音基准分数虚高的机制并改进自己的评测选择。
Hugging Face BlogAI 评分5555 NVIDIA Magpie TTS 多语种模型更新：新增 3 种语言并开放权重
NVIDIA Magpie Multilingual TTS 发布新版本，364M 参数开放权重模型支持 12 种语言，新增 Modern Standard Arabic、韩语和巴西葡萄牙语，并扩大印地语和日语的 code-switching 支持。
OpenAI NewsAI 评分4242 OpenAI 如何在六个月内构建 GPT-Live 实时语音 AI 系统
OpenAI 用六个月构建了 GPT-Live 实时语音系统，支持与 AI 的连续语音交互。该系统采用 turnless 语音模型和低延迟架构，让对话更快、更自然。
OpenAI NewsAI 评分3838 avatarin 如何用 GPT-Realtime 打造 24/7 零售智能体
avatarin 基于 OpenAI 的 GPT-Realtime 为山田电机（Yamada Denki）顾客提供 24/7 多语言支持。上线两周内有 30,000 人使用该智能体，问卷调查中 92% 的反馈为正面评价。
OpenAI NewsAI 评分3838 OpenAI 推出 OpenAI Presence 企业 AI 智能体平台
OpenAI 推出 OpenAI Presence，一个面向企业的 AI 智能体平台，帮助企业部署可信的语音和聊天智能体，用于客户与内部工作流。
OpenAI NewsAI 评分2222 Cars24 如何用 OpenAI 扩展对话规模并加速构建
Cars24 使用 OpenAI 驱动的语音和聊天智能体，每月处理超过 100 万分钟对话，挽回 12% 的流失线索，并将智能体工作流推广到公司各团队。
Hugging Face BlogAI 评分5454 Hugging Face 推出 Real World VoiceEQ 语音 AI 人类质量评测基准
Hugging Face 推出 Real World VoiceEQ，一个评估语音交互人类质量的基准，覆盖 40 多个领先闭源与开源语音模型、15+ 评测维度和 60 多项指标，涵盖 ASR、TTS、S2S 与语音理解。
OpenAI News精选AI 评分7575 OpenAI 发布 GPT-Live 语音模型并接入 ChatGPT Voice
OpenAI 发布新一代语音模型 GPT-Live，用于自然的人机语音交互，目前已成为 ChatGPT Voice 的驱动模型。