依意思最接近的 7 筆
10 月 22 日科大訊飛在 1024 開發者節發布訊飛輸入法 16.0，核心是「意圖成稿」：使用者先把聊天截圖、文件等材料交給輸入法，再說一句「幫我回一下領導的進度查詢」，即可得到整理好、可直接傳送的成稿，並配套個性化 AI 鍵盤與技能塢。底層是 9 月上線的語音識別大模型 Spark-ASR-2.0，官方稱方言識別準確率從 85% 升至 91%、小音量從 86% 升至 90%、中英混合領域詞槽準率從 33% 升至 80%，推理成本僅增 10%。
Meta Omnilingual ASR 被《時代》評為 2026 年度最佳發明之一。這套模型系列可為 1600 多種語言提供語音識別能力，其中 500 種低覆蓋語言此前從未被任何 ASR 系統支援。Meta 表示，多數 ASR 系統只覆蓋網際網路語料充足的語言，此次發布是邁向通用轉錄系統的重要一步。
科大訊飛發布端雲一體星火 X2.6，上下文視窗擴至百萬 Tokens，並同步開源星火 X2.6-4B 端側模型；其端雲路由協同訓練機制把路由準確率從 81.2% 提升到 96.1%。同場首發的還有星辰 TaaS 平台、企業級智慧體協同平台 Agent OS，以及基於全國產算力訓練的語音基座模型 SparkAudio 1.0，實測效果提升 20%、回應時延降低 15%、呼叫成本下降 60%。
YC F26 團隊 Subvocal 在做一副能識別無聲口型的智慧眼鏡：使用者閉著嘴默唸，眼鏡發出類似藍牙的射頻訊號穿過面部，再由基礎模型把舌頭、嘴唇與軟顎的擾動解碼成文字，速度接近正常說話。團隊年初在 TreeHacks 用 EMG 電極復刻 MIT AlterEgo，因出汗、電氣干擾和貼電極不可行改為射頻方案，把天線嵌入鏡架。跨使用者差異靠擴大預訓練資料解決，影片中測試者只做了 20 句校準。目前仍是原型，未來數月繼續研發。
Swift 包 AnySpeechRecognizer 發布，沿用 Apple SpeechAnalyzer 介面但可替換引擎，在裝置端用 Core ML 跑 NVIDIA Parakeet 與阿里 Qwen3-ASR，並新增說話人分離。Qwen3-ASR 覆蓋 30 種語言與 22 種中文方言（含粵語），但每段只給一個最終結果、無逐詞時間戳，速度慢於 Parakeet，更適合轉寫檔案。
OpenAI 開發者帳號宣布新增九個語音預設，全部由法語、德語、印地語、日語和韓語的母語演員錄製，覆蓋五種語言。官方同步給出 custom voices 入門指南連結，指向 developers.openai.com 的 API 文件，供開發者瞭解如何開始使用。推文未說明音色名稱、可用模型、價格與開放範圍。
Cloudflare 推出開源權重決策模型 Clef-omni，能在一次 API 呼叫中同時接收音訊（wav/mp3）、影片（mp4/webm）、影像和文字輸入，模型基於 Qwen3-Omni-30B-A3B-Instruct 的 MoE 架構訓練 LoRA，權重已發布在 HuggingFace。官方稱純文字決策中位延遲約 130 毫秒、影像約 150 毫秒、音訊數百毫秒，含聲音的 21 秒影片約 1.5 秒。