找到 12 筆
企業語音 AI 平台 PolyAI 的 CTO Shawn Wen 在 HumanX 大會上表示，儘管全雙工語音模型已經問世，語音 AI 仍未迎來自己的「ChatGPT 時刻」，下一步挑戰是讓推理足夠快、對話足夠自然。Otter 的 CMO Alex Gay 認為說話人識別、意圖捕捉並結合組織知識是走向自動化的關鍵，Otter 還在研發可代表個人參會的數字分身，其輸出語音需具備與人對話時的情感表達。
Google 推出 Gemini 3.8 Flash TTS 與 Flash-Lite TTS 兩款文字轉語音模型，可在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 中使用。Flash TTS 支援用自然語言從零設計音色、30 秒樣本復刻聲音，覆蓋 100 多種語言，並可在 Hume AI 語音設計基準上以 71.4 分居首；Flash-Lite TTS 面向高併發、低成本場景。
Natura 發布售價 99 美元的 AI 智慧戒指 Interface，按下即可語音讓 Claude、ChatGPT、Grokbot、Meta Muse 等 AI agent 完成任務，同時兼具心率、HRV、睡眠、步數等健康監測。該戒指下月開啟預訂，12 月或明年 1 月發貨；首發 99 美元后計劃漲價，3 至 6 個月免費期後收 9 美元月費。
Simon Willison 用 ChatGPT 桌面端 Codex 的語音對話模式，邊做晚飯邊口述約半小時，就為自己的部落格做出了 Newsletters 歸檔頁。模型 GPT-6 Astra High 在本地開發環境裡生成了 Django 新模型與遷移、四個匯入指令碼（Substack RSS、其未公開 API、GitHub 上的月度通訊倉庫、贊助者私有倉庫）、/newsletters/ 歸檔頁，並接入站點搜尋，通訊只出現在日期歸檔而非標籤頁和首頁。
Veda 是一個把 AI agent 做進系統層的作業系統，從 UEFI 引導、微核心、驅動到視窗系統與應用全部用 Rust 從零編寫，目前支援 x86-64 PC 與 QEMU。agent 作為系統服務隨開機啟動，可用語音、點選工作列圓環或 Super+Space 喚醒，通過 agentapp 協議原生呼叫應用提供的 70 多個動作，不需要讀屏或模擬點選。
Google 推出 Gemini 3.8 Live with Live Avatar，在原生即時對話模型上加入近即時影片生成，讓 AI 能聽、能看、能說並帶動態虛擬形象。該功能即日起在 Gemini Enterprise 上線，支援 97 種語言的原生語音到語音同步，唇形與表情可隨語言切換自適應。它支援非同步工具呼叫，可在對話不中斷的情況下後臺取數，輸出內容統一嵌入 SynthID 水印；自訂虛擬形象目前僅通過企業白名單開放。
Google 在 9 月發布新一代前沿模型 Gemini 4 Argon，具備先進推理能力與 100 萬 token 輸出上限，目前通過 Fairwind Program 向受信任的網路安全防禦方分階段開放。
Great Question 正在招聘首位加拿大遠端產品工程師，年薪 15 萬至 18 萬加元，要求 6 年以上經驗。該崗位負責全棧開發，涵蓋 Rails API、React/TypeScript 前端、即時語音 agent 與 agentic 搜尋，需日常使用 Claude Code、Codex 或 Cursor 等 agentic 編碼工具。
Grok Voice API 今天上線 Transcribe 2.0，按小時計價：批次模式每小時 0.10 美元，流式模式每小時 0.20 美元。官方給出詳情連結 x.ai/news/grok-voice-transcribe-2，可查閱部落格瞭解接入方式。
美國亞利桑那州一名路怒殺人犯的 10 年刑期被上訴法院撤銷，原因是量刑時播放了受害者家屬用 AI 生成的受害者影片。2021 年 Gabriel Paul Horcasitas 在紅燈口槍殺 37 歲的 Christopher Pelkey，其家人用語音、影片和照片合成 AI 版 Pelkey 在法庭上發言。上訴法院認為該 AI 影片呈現的是受害者妹妹的想像，而非記錄真實事件，因此越界，55 歲的 Horcasitas 須重新量刑。
匹茲堡大學人類工程研究實驗室（HERL）在 ARPA-H 最高 4150 萬美元資助下推進 RAMMP 輔助機器人專案，採用 Meta 開源視覺模型 DINO 與 SAM。團隊將 DINOv3 和 SAM 部署到電池供電的邊緣裝置上，通過降低記憶體佔用、使用低精度和高效批處理來保證即時執行，原型已能識別自動門按鈕、杯子和路緣。該功能面向美國約 550 萬輪椅使用者，目前正進入真實環境測試，並加入語音與觸控互動。
Fleeting 是一個播放合成的虛構會議錄音、幫人假裝在開會的網站，選一場會議按下播放並用揚聲器外放，附近的人就會以為你很忙。每場會議約 12 分鐘，從隨機位置開始播放，不會連續聽到同一句開場白；點 Leave 或 I have to drop 時，其他參與者會先道別再結束通話。勾選 Back-to-back meetings 會在一場放完後自動接入另一場符合當下時間的會議，取消勾選則迴圈播放。所有人聲均為合成、頭像為 AI 生成或授權素材，沒有錄製任何真實會議。