X @SpaceXAI● 精選AI 評分78
Grok Voice 3.0 上線 API 與語音 Agent 建置器，每分鐘 0.08 美元
Grok Voice 3.0 即日起在 xAI 的 API 和 Voice Agent Builder 中開放，定價為每分鐘 0.08 美元。開發者可直接通過 API 呼叫該語音模型，或在 Voice Agent Builder 中搭建語音智慧體，詳細說明見 xAI 官方部落格。
搜尋
找到 13 筆
OpenRouter announcements● 精選AI 評分74
ElevenLabs 上線 OpenRouter，帶來 9 個語音合成與 2 個轉錄模型
ElevenLabs 正式上線 OpenRouter，提供 9 個文字轉語音模型和 2 個語音轉文字模型。已通過 OpenRouter 呼叫語言模型的應用，用同一個 OpenRouter API key 呼叫 POST /api/v1/audio/speech 與 POST /api/v1/audio/transcriptions 即可獲得語音能力，無需另購 ElevenLabs 套餐。
Gemini API release notes● 精選AI 評分75
Gemini 3.8 Flash TTS 系列正式發布並新增 Voices 介面
Google 於 2026 年 9 月 22 日宣布 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS 兩款語音模型正式可用，同時上線 Gemini API Voices 端點（/v1beta/voices）。旗艦版 gemini-3.8-flash-tts 面向工作室級音質、細膩表演、地區方言與長文字多輪穩定性；
Gemini API release notes● 精選AI 評分85
Gemini 3.8 Live 兩款即時語音模型正式可用
Google 於 2026 年 9 月 15 日宣布 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 兩款音訊到音訊模型正式可用（GA），面向 Live API 的即時語音應用。前者是低延遲語音代理與即時對話的預設選項，支援交錯推理、預設非同步函式呼叫和完整會話客戶端內容更新；後者支援即時音訊互動中的後臺推理，適合需要更高後臺推理能力的場景。
Google DeepMind blog● 精選AI 評分75
Google 發布 Gemini 3.8 Flash TTS 語音模型
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。
Hacker News front pageAI 評分57
macOS 語音助手 Atticus：簡單任務本地跑，複雜任務走 claude -p
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。
Simon Willison● 精選AI 評分80
Simon Willison 用 Codex 語音模式建成部落格 Newsletters 頁面
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。
X @SpaceXAI● 精選AI 評分71
Grok Voice API 上線 Transcribe 2.0，批次每小時 0.10 美元
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。
Hacker News front pageAI 評分45
PDF TO MP3 上線 MCP 伺服器，用 AI 訂閱把 PDF 轉有聲書
Show HN 上的 PDF TO MP3 提供 MCP 伺服器，讓 Codex、Claude 等 AI 訂閱承擔 PDF 的文件處理，把文件轉成有聲書。用法是新增該 MCP 伺服器地址並完成認證，在對話裡附上 PDF 並要求呼叫它，另需一把 OpenAI 或 Google 的語音 API key；文件處理算在已付費訂閱內，語音生成按用量由 OpenAI 或 Google 單獨計費。
Hacker News front pageAI 評分65
BetterWispr：免費開源的 Mac 離線聽寫工具，內建 9 個模型
BetterWispr 是一款免費開源的 Mac 聽寫應用，Apache 2.0 許可，語音識別全程在本機完成，不需要帳號或雲端回退。按住 ⌥ Space 說話、鬆開即完成轉寫，文字直接落在當前應用，快捷鍵可自訂。內建 Apple speech、Parakeet 與 Whisper 共九個模型，Parakeet 覆蓋英語、日語和 25 種歐洲語言，也可接入 OpenAI 相容等外部 API。
OpenAI NewsAI 評分45
勞氏 Mylow 助手覆蓋 30 萬員工，使用者轉化率達 3 倍
勞氏（Lowe's）公布與 OpenAI 的合作成果：面向顧客的 Mylow 與面向門店員工的 Mylow Companion 自 2025 年春季上線以來已回答數百萬個家裝問題，據 2026 年第二季度財報電話會議，使用 Mylow 的顧客轉化率是不使用者的 3 倍。Mylow Companion 已覆蓋全美 50 州 1,700 家門店約 30 萬名員工，近一半互動通過語音完成，員工可用自然語言描述顧客問題並獲得跨部門指導。
Qwen blog● 精選AI 評分79
Qwen3.8-LiveTranslate: Names the speaker. Carries the meaning.
Qwen3.8-LiveTranslate 採用 Interleave 架構，將同傳平均延遲（LAAL）從上一代的 2.8 秒降至 2.3 秒，並新增即時說話人分離、雙語同屏同步輸出與長上下文消歧三項能力。模型基於 Hybrid-MoE 的 Thinker–Talker 雙模組設計，支援 60 種語言的音訊輸入與文字輸出、29 種語言的語音輸出，可通過 DashScope API 接入，會話配置即可啟用說話人分離與原文譯文同步返回，無需單獨呼叫 ASR 介面。
Hacker News front pageAI 評分20
YC 系 AI 使用者研究平台 Great Question 招聘加拿大遠端產品工程師
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。