微软 AI 发布面向语音智能体的转写与语音合成模型
微软 AI 发布实时转写模型 MAI-Transcribe-2-Streaming，称其在 Artificial Analysis 准确率排名第一，支持 60 种语言，首个部分结果延迟略超 100 毫秒，年底前音频价格为每小时 0.54 美元。
#语音
#语音
今日 0 条The DecoderAI 评分6767 The DecoderAI 评分6262 Tavus 发布实时对话模型 Griffin，48% 测试者误认为真人
Tavus 推出名为 Griffin 的 Human Interaction Model，可在实时视频通话中同时接收和生成语音、面部表情、语气、手势与停顿。
The Decoder：AI News（RSS）AI 评分6565 ElevenLabs 发布 v4 语音模型，表达力与长文本一致性提升并推出 Turbo 实时版本
ElevenLabs 发布 Eleven v4 语音模型，更准确地跟随情感、停顿等方向提示，支持超过 90 种语言（v3 约为 70 种），单次可处理 10,000 字符，发音基准得分从 v3 的 85.6% 升至 91.7%。
MarkTechPost（RSS）AI 评分7272 阿里 Qwen 发布 Qwen-Audio-3.1-Realtime 全双工语音模型，支持工具调用与说话时机决策
阿里 Qwen 团队发布 Qwen-Audio-3.1 系列 5 个音频模型，主力为面向语音智能体的全双工模型 qwen-audio-3.1-realtime-plus，通过 QwenCloud API 以 WebSocket 提供，未开源权重，并对 Realtime、TTS、ASR 分别降价约 85%、70% 和最高 95%。
IT之家（RSS）AI 评分6464 ElevenLabs 推出 v4 和 v4 Turbo 语音模型：支持 90 余种语言，10 秒素材即可克隆声音
ElevenLabs 于当地时间周一发布 v4 与 v4 Turbo 两款语音模型，强化情绪表达控制、降低响应延迟，语言支持从 70 种提升至 90 余种，用户仅需 10 秒音频素材即可完成声音克隆。
Rohan Paul@rohanpaul_aiAI 评分4646
Artificial Analysis@ArtificialAnlysAI 评分6161
Artificial Intelligence News（网页）AI 评分6060 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音模型
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向游戏、互动娱乐和长篇旁白，后者面向自动配音、对话智能体和高吞吐翻译流水线。
MarkTechPost（RSS）AI 评分5757 Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS，支持提示词语音设计
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，已通过 Gemini API 和 Google AI Studio 提供。
MarkTechPost（RSS）AI 评分5858 NVIDIA 发布开源说话人分离模型 Nemotron 3 Diarization，支持实时追踪 8 个说话人
NVIDIA 在 Hugging Face 发布开源权重模型 Nemotron 3 Diarization，参数量 100M，可实时追踪最多 8 个说话人并处理语音重叠，采用 OpenMDW License 1.1 许可证允许商用。
Hacker News：AI 热帖AI 评分6969 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒音频样本复刻声音、逐行台词表演控制、原生双说话人场景编排，覆盖超过 100 种语言和方言。
IT之家（RSS）AI 评分6464 谷歌发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 文本转语音模型
谷歌发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持逐行控制台词演绎、100 多种语言和 2000 多种现成语音。
Logan Kilpatrick@OfficialLoganKAI 评分6262
🚨 AI News | TestingCatalog@testingcatalogAI 评分5555Google DeepMind：Blog（RSS）精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
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，支持用自然语言提示词从零设计声音、30 秒样本复刻声音，并提供逐行表演指导、长时音频生成和双说话人场景编排，覆盖 100 多种语言。
推荐理由：官方介绍了两款 TTS 模型的能力细节、评测名次和开放入口，开发者可以据此评估语音生成工作流的选型。
Artificial Analysis@ArtificialAnlysAI 评分5454Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文生语音模型，支持预设音色和声音复刻。
Qwen@Alibaba_Qwen精选AI 评分6767推荐理由：官方一次性给出五个音频模型的能力细节和三档降价幅度，读者可对照自身场景评估替换成本。
IT之家（RSS）AI 评分6868 阿里千问发布 Qwen-Audio-3.1 系列五款语音模型并全线降价
千问发布 Qwen-Audio-3.1 系列语音大模型，包含 ASR、ASR-Next、TTS、TTS-Next 和 Realtime 五款模型，覆盖语音识别、合成、实时交互和音频创作。
MarkTechPost（RSS）AI 评分6868 Kyutai 发布 Voice of Reason，用强化学习让语音原生模型解出口算数学题
Kyutai 发布 Voice of Reason，两个基于 GLM-4-Voice-9B 的开源权重语音到语音模型，无需转写和独立文本 LLM 即可口头解数学题。
The Decoder：AI News（RSS）AI 评分6060 腾讯 Gander 模型实现边聊天边后台执行复杂任务
腾讯混元语音团队联合多所高校发布 Gander 模型，用"小脑"负责实时对话、可替换的"大脑"处理后台智能体任务（测试中用 GPT-5.6 家族模型），可同时处理语音、图像和文本并随时被打断。
MarkTechPost（RSS）AI 评分6363 阿里通义Qwen团队发布Qwen3.8-LiveTranslate，实时翻译平均延迟降至2.3秒、支持60种语言
通义千问（Qwen）发布实时同声传译模型Qwen3.8-LiveTranslate，采用新的Interleave架构，平均滞后（LAAL）从2.8秒降至2.3秒，约降低18%。
IT之家（RSS）AI 评分6060 SpaceXAI 发布 Grok Voice Transcribe 2.0 语音转文本模型，错误率降低约一半且价格不变
当地时间 9 月 18 日，SpaceXAI 发布 Grok Voice Transcribe 2.0 语音转文本模型，在价格不变的前提下错误率降低约一半。该模型基于 Grok Voice 底层音频基础模型构建，在 Artificial Analysis 全部 32 款流式模型中准确率居首；官方四个内部数据集评测均超越 1.0 版本。
- Qwen@Alibaba_QwenAI 评分5757
IT之家（RSS）AI 评分6363 阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，支持原文译文同帧同出
阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，基于 Hybrid MoE 的 Thinker–Talker 双模块设计，以 Interleave 架构重构实时同传，字均延迟（LAAL）从 2.8 秒降至 2.3 秒。
- 🚨 AI News | TestingCatalog@testingcatalogAI 评分5353
- Artificial Analysis@ArtificialAnlysAI 评分5555
Qwen：Blog Retrieval（API）精选AI 评分6969 Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，LAAL 降至 2.3 秒
Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-MoE Thinker–Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒。
推荐理由：官方给出了架构设计、LAAL 从 2.8 秒到 2.3 秒的数字和多语言评测结果，读者可以据此评估其实时翻译能力的实际变化。
karminski-牙医@karminski3AI 评分7272Qwen：Blog Retrieval（API）精选AI 评分7878 Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付
Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。
推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。
Google AI：DEV 作者专属（RSS）AI 评分7070 Google 发布 Gemini 3.8 Live 与 3.5 Transcribe 实时语音模型
Google 在 Gemini API 和 Google AI Studio 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型，支持异步函数调用、视觉上下文、97+ 语言和可配置思考，Extended Thinking 版位列 Artificial Analysis 语音到语音榜单第一。
IT之家（RSS）AI 评分5959 科大讯飞发布基于全国产化算力训练的语音基座大模型 Spark-Audio-1.0-Preview
科大讯飞上线语音基座大模型 Spark-Audio-1.0-Preview，采用 0.65B Dense 音频编码器搭配 30B-A3B MoE 大语言模型，使用 1300 万小时音频数据基于纯国产算力集群训练。
蚂蚁 inclusionAI：HuggingFace 新模型AI 评分6161 蚂蚁 inclusionAI 开源全双工音视频交互模型 Realtime-Venus
蚂蚁集团 inclusionAI 在 Hugging Face 发布 Realtime-Venus，包含 Realtime-Venus-Omni 和 Realtime-Venus-Audio 两个 9B 检查点，基于 MiniCPM-o 4.5 / Omni-Flow 架构，语言骨干为 Qwen3-8B。
IT之家（RSS）AI 评分5151 vivo 发布四款蓝心大模型，推出系统级蓝心 Harness
vivo 在 2026 开发者大会上发布四款蓝心大模型，包括端到端 MoE 架构的 BlueLM-RealTime、30 亿参数的 BlueLM-Nano 和搭载自研 Agentic 引擎的 BlueLM-Flash / Pro。同时推出系统级蓝心 Harness，深入原系统内核层，已增加 6000 多项原子技能，支持超万种任务，并预研蓝心 30B MoE 端侧大模型。
Simon Willison 博客AI 评分6767 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型，Simon Willison 自制网页 UI 实测
Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两个语音到语音模型，形态类似 OpenAI 的 GPT-Live 模型。
IT之家（RSS）AI 评分7474 谷歌推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking 实时对话模型，支持 97 种语言切换
谷歌于 9 月 15 日推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模化部署与成本优化，后者面向高复杂度任务、强化多步推理。
MarkTechPost（RSS）AI 评分7777 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音智能体模型
Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款原生语音到语音对话模型，已在 Gemini Live API 和 Google AI Studio 上线，托管形式不提供开放权重。
Hacker News：AI 热帖AI 评分7676 Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音对话模型
Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款近实时语音对话模型，分别面向规模化成本效率和高复杂度多步推理任务。
Rohan Paul@rohanpaul_aiAI 评分7474The Decoder：AI News（RSS）AI 评分7070 Google 发布 Gemini 3.8 Live 语音模型，以低价对标 OpenAI GPT-Live-1
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款开发者语音模型，可通过 Gemini API 和 Google AI Studio 使用。