xAI 旗下 Grok Voice Transcribe 2.0 语音转文本 API 发布，宣称准确率为 1.0 的两倍且价格不变
SpaceXAI 发布语音转文本模型 Grok Voice Transcribe 2.0，宣称准确率是 1.0 的两倍，价格不变，批量每小时 $0.10、流式每小时 $0.20。
#语音
#语音
今日 0 条MarkTechPost（RSS）AI 评分6565 TechCrunch：AI（RSS）AI 评分6060 印度强制来电识别应用向运营商共享用户骚扰电话举报
印度电信监管局 TRAI 修订规则，要求允许用户标记骚扰电话的来电识别和通话管理应用，将用户举报提交至运营商维护的基于区块链的平台。
🚨 AI News | TestingCatalog@testingcatalogAI 评分5353
Artificial Analysis@ArtificialAnlysAI 评分5555xAI：News（网页）精选AI 评分6464 xAI 发布 Grok Voice Transcribe 2.0 语音转写模型，准确率较 1.0 翻倍
xAI 发布 Grok Voice Transcribe 2.0 语音转写模型，官方称在真实场景评测中准确率是 1.0 的两倍且价格不变。在 Artificial Analysis 公开榜单上，它在 32 个 streaming 模型中准确率排名第一；多语言能力提升最大，短短语集合上词错误率从 20.6% 降至 6.8%。
推荐理由：原文给出公开榜单排名、内部错误率数字和与 1.0 同价的定价，读者可据此评估迁移成本与实际收益。
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7272
Grok@grokAI 评分2525Qwen：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。
OpenBMB@OpenBMBAI 评分5353
Rohan Paul@rohanpaul_aiAI 评分5656
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。
蚂蚁 inclusionAI：GitHub 新仓库精选AI 评分6363 蚂蚁 inclusionAI 开源 Realtime-Venus 全双工交互系统
蚂蚁集团 Venus 团队与清华大学在 GitHub 开源 Realtime-Venus，一个支持全双工对话与异步任务委托的实时交互系统。系统包含三个组件：Realtime-Venus-Omni（9B，流式音视频对话与主动交互）、Realtime-Venus-Audio（9B，语音交互与音频理解）以及负责后台任务执行并将结果返回同一对话的 Harness 运行时。
推荐理由：蚂蚁和清华开源了全双工对话加异步委托任务的系统，含 9B 的 Omni 与 Audio 两个模型和 Harness 运行时，可直接下载推理或跑浏览器 demo。
IT之家（RSS）AI 评分5454 努比亚 NaviX Ultra 发布：主打 AI 智能体能力，5999 元起
努比亚发布 NaviX Ultra 手机，宣称是首款 AI 智能体手机，售价 5999 元起，国补后 5499 元起。该机由豆包手机助手主导 AI 体验，搭载 Seed 全双工语音大模型和第五代骁龙 8 至尊版，支持一句话跨应用执行任务，端到端任务成功率超 80%，AI 唤醒率优于竞品 48%，并完成智能体大模型备案。
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。
Hao AI Lab@haoailabAI 评分6060Simon 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。
- Artificial Analysis@ArtificialAnlysAI 评分6767
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7474
The 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。
Josh Woodward@joshwoodwardAI 评分5555
StepFun@StepFun_aiAI 评分6464
Logan Kilpatrick@OfficialLoganKAI 评分6464- 🚨 AI News | TestingCatalog@testingcatalogAI 评分6868
Google DeepMind：Blog（RSS）精选AI 评分7070 Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两个近实时语音对话模型，主打语音智能体和复杂任务执行。
推荐理由：原文给出两个语音对话模型的定位分工和多项基准数字，读者可以据此评估其推理、成本与工具调用能力。
Google AI@GoogleAIAI 评分6464Google AI 发布迄今最先进的 Gemini 音频模型 Gemini 3.8 Live 与 3.8 Live Extended Thinking。
IT之家（RSS）AI 评分6262 阶跃星辰发布 StepAudio 3 系列语音大模型，含 Realtime、ASR、TTS、Gen、Music 五款
阶跃星辰发布 StepAudio 3 系列语音模型，包括 StepAudio3Realtime、StepAudio3ASR、StepAudio3TTS、StepAudio3Gen 和 StepAudio3Music，均已上线阶跃星辰开放平台。
公众号：阶跃星辰（Step）精选AI 评分6666 阶跃星辰发布 StepAudio 3 系列语音大模型，多款在 Artificial Analysis 榜单全球第一
阶跃星辰发布 StepAudio 3 系列，包含 Realtime、ASR、TTS、Gen 和 Music 五款模型，已在阶跃星辰开放平台上线。
推荐理由：官方完整介绍了五款模型的能力与榜单成绩，可帮助读者了解语音模型在实时交互、理解和创作上的进展。
- Artificial Analysis@ArtificialAnlys精选AI 评分6666
推荐理由：原文给出语音到语音模型的完整分数、速度和成本对比，读者可据此在不同后端配置间做选型判断。
- 🚨 AI News | TestingCatalog@testingcatalogAI 评分5656
IT之家（RSS）AI 评分5555 豆包手机助手消费者版发布：推出 SAEP 协议，三方 App 可允许或拒绝 AI 自动化操作
豆包手机助手消费者版 9 月 14 日正式发布，主打稳定性与交互体验，支持 AI 键（带指纹鉴权）、语音唤醒、屏幕问答、本地数据搜索和接入飞书妙记的录音体验。Beta 形式开放操作手机功能，并推出屏幕自动化操作声明协议 SAEP，第三方应用可声明允许或拒绝 AI 自动化操作，同步启动 30 天规则公示。首个消费者版将搭载于努比亚 NaviX Ultra，9 月 16 日发售。
The Decoder：AI News（RSS）AI 评分6060 ElevenLabs 发布 Music v2.5，开放应用与 API 并提供免费和 Pro 档位
ElevenLabs 为 ElevenMusic 发布 Music v2.5，称生成歌曲更饱满自然；在 47,885 组盲测对比中听众多数时候更偏好 v2.5，尤其是 R&B、Soul、Hip-Hop、Rock 和管弦乐。
OpenAI Developers@OpenAIDevsAI 评分7070Suno：Blog（网页）精选AI 评分6868 Suno 发布 v6 音乐模型，推出 v6、v6-wild、v6-mini 三个版本
Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发，后续将全面替换旧模型。v6 分为三个版本：旗舰 v6 和探索向的 v6-wild 面向 Pro 与 Premier 订阅用户，更快的 v6-mini 向所有人开放。
推荐理由：官方发布新一代音乐模型，给出三个版本的定位差异和编辑、混音、采样等具体新能力，可帮助创作者判断如何选择和使用。
HuggingFace Daily Papers（社区热门论文）AI 评分5959 StepAudio 3 Realtime 技术报告发布，实时语音中并行推理
StepAudio 3 Realtime 是一个围绕听-说-想-做循环组织的音频语言基础模型，通过 Deep Perception 解读声学线索，Seamless Duplex 处理停顿、附和与打断。