依意思最接近的 30 筆
企業語音 AI 平台 PolyAI 的 CTO Shawn Wen 在 HumanX 大會上表示，全雙工模型雖已實現，語音 AI 仍未迎來自己的「ChatGPT 時刻」，下一步的關鍵是讓推理足夠快、對話足夠自然。會議記錄工具 Otter 的 CMO Alex Gay 指出，說話人識別、意圖捕捉並與組織知識結合才是自動化的關鍵，Otter 還在研發可代表參會者的數字孿生。兩人都提到 ASR 模型常漏掉關鍵詞，轉寫不準會讓後續動作全部出錯、使用者失去信任；
網易首個 AI 原生語音 Agent「網易叭哥說」上線“使用者榮譽聯創計劃”，投入 10 萬元徵集產品建議，設 11 個名額，單人最高可獨得 5 萬元，不設學歷專業門檻。建議方向不限，可圍繞功能、使用場景、體驗問題與未來能力設想提交，入選者獲聯創聘書、網易定製紀念工卡、面試直通等權益，官網將設榮譽聯創展示頁公開貢獻者 ID 與內容。官方稱其把自然口語直接轉為結構化文字，口語輸出對鍵盤打字的效率比值為 5 倍，支援 124 個語種即時語音互譯，專業領域翻譯精準度可達 98%，資料全程本地處理、終身免費。
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。
ChatGPT Voice 開始推送 GPT-Live-1.1 及其輕量版 GPT-Live-1.1 Quip，跨語言的語音口音更自然，Live 在搜尋時會用更多樣的短句提示。新增語音覆蓋法語、德語、印地語、日語、韓語和墨西哥西班牙語，另有英語的 Bubbie，可見選項因地區和帳號而異。使用者可在 Settings > Voice 中選擇語音。
SpaceXAI 宣布 Grok Voice 3.0 在語音 agent 任務上達到前沿水平，延遲較此前降低 40%。官方給出的落地案例是 SpaceX 內部：該模型能自主處理 70% 的 Starlink 客服來電，無需人工介入。官方本次只披露延遲降幅與自主解決率兩項指標，未說明模型規模、開放渠道、定價與上線時間，也未提供與其他語音模型的對比資料。
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。
@SpaceXAI 發布語音到語音模型 Grok Voice 3.0，官方稱其為全球最智慧的語音到語音模型。該模型回應時間低於一秒，擅長處理客戶來電，且成本低於其他前沿模型。官方暫未公布具體價格、可用範圍與上線時間。
OpenAI 為 ChatGPT、Codex 和 dots 的語音功能推送 GPT-Live-1.1，新增法語、德語、印地語、墨西哥西班牙語、韓語和日語的新語音，口音更自然，並減少了「checking...」這類停頓。該更新今日起向所有使用者推送，API 稍後支援。
Splice CEO Kakul Srivastava 認為 AI 生成的郵件正在扼殺對話。她曾任職於 Flickr、Yahoo、GitHub 和 Adobe，目前執掌為音樂製作人提供取樣素材的 Splice，該平台的取樣曾出現在 Lisa 的《Money》和 Sabrina Carpenter 的《Espresso》等熱門歌曲中。她還主導了 Splice 收購 Spitfire Audio 並推動平台向新領域拓展。
xAI 上線名為 Grok Bot 的新產品，官方給出試用連結 x.ai/bot，使用者可直接訪問體驗。原文僅提供該入口，未說明具體功能、可用範圍、價格或額度，也沒有公布上線時間與支援平台。
開發者用 Claude Code 裡的 Claude Opus 5.5 Extra 做出了 Chirp Pong：兩臺手機各自執行靜態 HTML 頁面，靠麥克風收發 chirp 聲音來傳遞遊戲狀態，實現雙人對戰。玩法以 pong 為基礎，但加入圖形與玩法上的改動，讓雙方互動比傳統 pong 更緊密有趣。兩臺手機需要靠得足夠近，聲音直接由麥克風傳給對方。作者稱這只是一次遊戲實驗，用來驗證純靜態頁面加音訊聯網是否可行，結論是似乎可行。
Grok Bot 的語音通話功能迎來升級，官方稱通話更快、更可靠，並且更擅長記住過往對話內容。公告沒有給出具體的速度提升幅度、模型版本、上線時間，也未說明可用範圍與訂閱要求，目前僅有三項體驗層面的改進描述。
多家主流網站開始封堵 AI 智慧體：Meta Muse、xAI Grok、OpenAI Dots 和 Instinct 的使用者報告，其智慧體在頭部網站執行任務時被攔截。Yelp 向 TechCrunch 表示只允許付費加入其資料授權計劃的智慧體訪問，達美航空則阻止智慧體代訂機票。此前 OpenAI、Meta、Google 與 Instinct 均宣稱智慧體可替使用者上網完成訂餐、清理收件箱、購買商品等操作，如今在部分網站受阻。
Bluesky 在 TechCrunch Disrupt 2026 上宣布擴充套件其 AI 實驗平台 Attie，讓普通使用者無需程式設計就能建置網站、測驗、遊戲、投票等互動體驗。這些作品執行在支撐 Bluesky 的 AT Protocol 上，使用者可自帶 AI 模型或使用開放權重模型，Attie 還會根據其公開 Bluesky 資料推薦可做的專案，並借 Bluesky 的分發觸達受眾。Bluesky 目前有 4700 萬註冊使用者但互動量下滑；
ChatGPT 現已支援上傳音訊檔案，付費訂閱與工作區使用者可在對話中附加受支援的音訊，生成轉錄文字、總結錄音內容並針對內容提問。使用者可藉此把會議、訪談或講座整理成結構化筆記，或起草跟進郵件。使用時只需在對話中附加音訊檔案並說明需求；可用性受工作區設定、地區、客戶端版本和模型影響，轉錄可能出現錯誤，不同語言的表現也有差異。
阿布扎比技術創新研究院（TII）發布 1.6B 引數的語音識別模型 Falcon-ASR，主打阿拉伯語與阿聯酋方言，同一套權重還支援英語、法語、西班牙語和葡萄牙語。在六個阿拉伯語測試集上，它取得 20.92% 的平均詞錯率，比其所用榜單快照中最佳公開結果 23.17% 低 2.25 個百分點；內部阿聯酋方言評測為 22.73% WER、10.19% CER，比次優的 Qwen3-Omni 低 4.07 個百分點。
1994 年的電話語音 BBS Sanity's Edge 被完整修復並搬到網頁上，使用者可按日期回放當年的語音選單。這個只能撥號、按鍵、聆聽的公告板 1994 至 1997 年 3 月在佛羅里達坦帕執行，接入超過 26,000 通電話、留下 46,000 多條語音留言，檔案含 2,254 個音訊檔案、24 小時 24 分鐘錄音，站上提供忠實還原 1994 年的博物館版與 2026 重製版。
xAI 宣布推出 Grok Bot，並給出試用連結 x.ai/bot。官方這條帖子沒有說明它的具體功能、適用平台、是否收費或額度限制，也沒有交代上線時間，目前只知道有這樣一個可訪問的入口，更多細節還沒披露。
Bluesky 的 Attie AI 工具從生成自訂 feed 擴充套件到可製作遊戲、投票、儀表盤等小型社交應用，並能以獨立網站的形式分享給他人。使用者在 Attie 輸入提示詞即可生成，作者實測一個寶可夢紅/藍投票幾分鐘就做出來了。CEO Toni Schneider 在 TechCrunch Disrupt 採訪中把它稱為面向社群的 vibe coding。
一篇部落格記錄了三位近期選擇「離線」的從業者：Brett Codes 發布《I'm done using AI》並配影片宣布停用 AI，Salma 宣布從網際網路退休、離開 DevRel 崗位，Chad Whitacre 則用打字機寫信宣布退休並打算做一本宗教主題的 zine。作者對三人均表示祝福，也指出這些離開線上世界的人之後過得如何，留線上上的人無從得知，只能遠觀。
一位開發者撰文稱，AI 輔助程式設計（vibecoding）只把樂趣前置：能快速做出可用原型，但重構和維護階段不再有趣，也缺少手寫程式碼帶來的成就感。他把建造的樂趣分為六種，認為 vibecoding 只能滿足「想到點子」「把點子變成現實」和「解決自己的問題」三類，攻堅後的成就感、作品完成的滿足感與學習樂趣都不會自然產生。他仍用 AI 做出了一些手工做不出來的東西，包括即時野火預警系統、Kobo 資料庫遷移助手和即時音準訓練應用，但表示過程不像自己寫小指令碼那樣好玩。
Grok Bot 更新到 1.16 後，iPhone 15 Pro 及後續機型可以把 Action Button 設定為啟動語音聊天的快捷入口。使用者需要先在 iPhone 的系統設定中開啟 Action Button 選項，滑動到 Shortcut 並選擇它，再從快捷指令中指定 Grok Bot 的 Start Voice Chat 動作；完成上述設定後，按下 Action Button 按鍵就能直接啟動 Grok Bot 的語音聊天功能。
越來越多 AI 助手不再需要單獨下載 App，直接用 iMessage、RCS 或簡訊就能對話並代辦任務。其中 Instinct 於 2026 年 9 月完成 10 億美元融資、估值達 100 億美元，並開始給使用者分配助手專屬信箱地址、上線代打電話功能，目前仍處私測。其餘選項裡，Folk 免費、Pro 訂閱 8.33 美元/月，Comma 開源且免費起步，Fambot 主打家庭日程並每晚推送次日摘要，Martin 訂閱 21 美元/月起。
馬斯克在 X 上宣布 Grok Voice 3.0 成為全球領先的對話式語音模型。這條表態確認 Grok 的語音模型已迭代到 3.0 版本，並給出了官方定位，但未公布模型引數、支援語言、可用平台、上線時間與訂閱範圍等細節。除版本號與這一說法外，官方目前沒有披露更多資訊，實際對話效果有待後續公布或實測。
開源 Agent Development Kit（ADK）搭配 gemini-3.8-live，可以建置在後端長時間查詢時仍保持回應的語音 agent。指南給出兩種 Python 寫法：一是用 streaming tools 持續產出進度更新，二是用後臺執行模式，讓對話在耗時任務進行中保持流暢。開發者還可配置 WHEN_IDLE、INTERRUPT、SILENT 三種回應排程行為，精確控制工具結果何時、以何種方式送回對話。
Replika 創始人 Eugenia Kuyda 的新公司 Wabi 已向所有使用者開放，主打多執行緒、可多人共享的個人 AI 助手，目前免費，商業模式尚未確定。使用者接入信箱後，agent 會自動建立若干執行緒並生成減重記錄、親子活動等自訂小應用，也可按需新增執行緒與應用。執行緒能像群聊一樣共享，授權按單個會話劃分，Wabi 通過 SOC 2 審計、資料主要存放在美國，公司正在洽談新一輪融資。
開發者 Saarth 發布免費開源的 macOS 語音助手 Atticus：按住 Control-Option-Space 說出或輸入任務，開啟應用、播放 Spotify 歌單、網頁搜尋等簡單操作完全本地處理，通常一秒內完成，開啟應用約 0.08 秒；複雜任務則通過 claude -p 轉交 Claude，因此不需要 API key，直接用已有的 Claude Pro 或 Max 訂閱，平均單個任務成本不到一美分。
螞蟻百靈於 10 月 15 日正式開源 Ling-3.1-flash，總引數約 560B、每 Token 僅啟用約 25B，上下文最高支援 1M Token，重點瞄準複雜任務與長程執行。據 Artificial Analysis 資料，其智慧指數 41，輸出約 210 Token/s，混合呼叫價格約每百萬 Token 0.19 美元；路由專家採用 MXFP4 量化後，權重從約 534GB 壓縮至 292GB，部署從 8 卡降至 4 卡。
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。
螞蟻百靈開源 Ling-3.1-flash，主打把真實工作流裡的活幹完，而非刷榜。模型總引數約 560B、每 Token 啟用約 25B，上下文視窗達 1M；混合精度量化後權重佔用從約 534GB 降至 292GB，部署所需 GPU 由 8 卡降至 4 卡。據 Artificial Analysis，其智慧指數 41，輸出速度約每秒 210 Token，混合呼叫價格約每百萬 Token 0.19 美元，辦公任務評測 GDPVal-AA V2.1 的 ELO 為 1673。