跳到正文
#语音
8月27日周四
  1. IT之家·人工智能59

    北京首例 AIGC 商业秘密行政处罚案开出 10 万元罚单

    北京市朝阳区市场监管局对全市首例 AIGC 行业商业秘密行政处罚案作出处罚决定，对携密跳槽、私自复制使用原单位 AI 商业软件的行为开出 10 万元罚单。涉案员工在职期间私自拷贝并破解公司自主研发的 AIGC 商业软件，离职后创办新公司继续使用该软件承接竞争业务牟利。本案首次在行政执法层面确认 AIGC 商业软件可作为商业秘密受法律保护，并依据《反不正当竞争法》第二十六条处以罚款。

  2. IT之家·人工智能62

    谷歌发布 Gemini 3.5 Transcribe 语音转文本模型，能自动删除口头禅

    谷歌发布 Gemini 3.5 Transcribe 语音转文本模型，可自动删除“嗯”“呃”等口头禅及说错后自行纠正的内容，生成更通顺的文本。相比 Chirp 3，整体速度预计提升约 70%，实时语音场景错误率降至 5.5%，支持 85 种语言及最多 3 名说话者的预录音频。该模型已为 Pixel 11 上 Gboard 的“Rambler”功能提供支持，后续将进入更多谷歌产品。

  3. IT之家·人工智能49

    被盗 iPhone 黑产 AnonyMousKIT 披露：AI 语音钓鱼套取苹果手机密码

    网络安全公司 SOCRadar 披露名为 AnonyMousKIT 的网络钓鱼即服务平台，通过邮件、短信、WhatsApp、预录语音与 AI 语音 5 个渠道骗取设备密码、Apple ID 与 2FA 验证码，服务于被盗苹果设备的解锁与转售链条。该平台关联 506 个域名及 168 个店铺品牌，AI 语音钓鱼 200 次呼叫成本 19.24 美元，通话时长中位数 22 秒。

  4. IT之家·人工智能47

    网易有道 OpenPods 预售：首款专为 iPhone 用户打造的 Agent 耳机，到手价 1499 元

    网易有道今日发布并预售首款专为 iPhone 用户打造的 Agent 耳机 OpenPods，首发补贴后到手价 1499 元，9 月 10 日发售。产品获 MFi 认证，支持一键通话录音、耳机舱录音与实时翻译（覆盖 20 余种语种），搭载 AI 会议助手可生成摘要、待办及思维导图。耳机单次续航 8 小时，配舱总续航 32 小时；核心 AI 功能目前仅支持 iOS，安卓与鸿蒙版本开发中。

  5. Rohan Paul54

    Google 发布 Gemini 3.5 Transcribe，智能转写语音为“实际意图文本”，可消除口误、过滤语气词、格式化数字日期并适配自定义词汇。

    引用Sundar Pichai@sundarpichai

    Say hello to Gemini 3.5 Transcribe! - Build apps that understand user speech / intent, even w/ multiple speakers! - Auto-detection of 85+ languages out of the box - Custom vocab adaptation for specialized jargon... SGTM:) API available now in @GoogleAIStudio and Gemini Enterprise, or try it in the Gemini app on macOS or Rambler on Android! More details: https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/

  8. The Verge：AI63

    Google 发布 Gemini 3.5 Transcribe 转录模型，可自动去除“um”“ah”等填充词

    Google 推出 Gemini Audio 家族新成员 Gemini 3.5 Transcribe，可自动识别专业术语和超过 85 种语言，并自动格式化文本、去除“um”“uh”等填充词。该模型支持自定义词汇表、为最多三位说话人区分语音，并提供词级时间戳。今日起向 macOS Gemini 应用用户开放英语版本，开发者可通过 Gemini API 公开预览使用。

  12. Sundar Pichai67

    向 Gemini 3.5 Transcribe 问好！ - 构建能理解用户语音/意图的应用，即使有多位说话人也行！ - 开箱即用，自动检测 85+ 种语言 - 针对专业术语的自定义词汇适配……SGTM:) API 现已在 @GoogleAIStudio 和 Gemini Enterprise 中提供，也可在 macOS 上的 Gemini 应用或 Android 上的 Rambler 中试用！ 更多详情：https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-5-transcribe/

  15. Google DeepMind：Blog68

    Gemini 3.5 Transcribe 发布：面向实时语音交互的高精度语音转文本模型

    Google DeepMind 推出 Gemini 3.5 Transcribe 语音转文本模型，支持流式与非流式两种 API。据 Artificial Analysis 评测，其流式与非流式平均词错率分别为 4.0% 和 2.6%，支持超 85 种语言、自定义词汇及最多三人说话人识别。

    推荐理由：相较于上一代 Chirp 3，流式词错率降到 4.0% 且最终转录延迟改善 70%，会影响语音代理和实时字幕方案的成本与体验取舍。

8月26日周三
  1. 公众号：京东JoyAI40

    京东亮相2026 IOTE，JoyInside与涂鸦智能达成战略合作

    京东在第二十五届国际物联网展（IOTE 2026 深圳站）展出多款可下单的AI玩具，包括小鸡球球AI点读笔、凯米斯AI机器狗等，均接入京东自研的“附身智能系统”JoyInside。会上，京东JoyInside与涂鸦智能正式签约，将围绕AI硬件方案共建、渠道资源协同与生态联合推广展开合作，为品牌客户提供“京东×JoyInside×涂鸦”整包方案。

8月25日周二
  2. IT之家·人工智能43

    苹果 iOS 27 正式版发布在即，Siri AI 预计采用候补名单机制

    苹果 iOS 27/iPadOS 27/macOS 27 正式版发布后，预计将为 Siri AI 采用候补名单机制并限制初期使用权限。三款系统的 Beta 7 测试版已加入等候名单相关机制，用户点击加入后可看到预计等候时间，系统会根据服务器需求动态调整轮候时间。Siri AI 在测试期间已采用该机制，曾有用户等了一周左右才排到队。

  3. IT之家·人工智能52

    澳大利亚唱片业协会“重拳出击”，纯 AI 生成歌曲禁入官方排行榜

    澳大利亚唱片业协会（ARIA）宣布，从下周一开始，完全由 AI 生成的歌曲将无法进入 ARIA 官方排行榜，但采用 AI 辅助制作的部分作品仍可上榜。新规要求歌曲必须由人类创作、主唱、演奏主要乐器，且须使用合法的 AI 服务制作；完全由 AI 生成的音乐也不能参加 ARIA 音乐奖。此前，一首 AI 重制麦当娜《Like a Prayer》的歌曲曾连续 16 周跻身澳大利亚前 20 名。

  5. DogeDesigner41

    SpaceXAI 刚刚揭示了 Starlink 如何大规模使用 Grok Voice。它每天处理超过 15,000 通客户支持电话，每周完成 3,000 多笔订单。 Elon Musk 此前已确认 SpaceX 和 Tesla 使用 Grok 处理客户服务。 “Grok 在 SpaceX 和 Tesla 已经做得相当不错。我们看到 Grok 在客户服务等方面非常有用，而且这个 AI 极其有耐心，你可以对它大喊大叫，它依然会非常友善。”

8月24日周一
  2. IT之家·人工智能48

    韶音 OpenFit 2 AI 耳机开售：基于千问大模型、48 小时续航，首发价 1398 元

    韶音 OpenFit 2 AI 耳机正式开售，首发价 1398 元。该耳机基于千问大模型，支持三端快捷录音、最长 8 小时记录，内置 12 大行业词库，支持 30 种语言与 19 种方言转写及四种翻译模式。单耳音乐续航 11 小时，搭配充电盒总续航 48 小时，支持“充电 10 分钟聆听 2 小时”快充。

  3. Artificial Analysis 完整文章63

    Artificial Analysis 发布 Speech Agent Arena 评测真实语音智能体表现

    Artificial Analysis 推出 Speech Agent Arena，让人类参与者在 15 个工具调用场景和 20 个非工具场景中盲测对比 Speech to Speech 模型，以 Preference Elo 和 Task Success Rate 评分。

    推荐理由：原文给出真实任务下语音智能体的偏好与任务成功率两套结果，提示对话好听不等于任务完成。

8月23日周日
  1. IT之家·人工智能40

    因预约人数远超预期，《莱莎的炼金工房》衍生 AI 聊天游戏延期上线

    由光荣特库摩授权、SpiralAI 开发的 AI 聊天游戏《RyzaChat》延期上线，原定 8 月 18 日开服，因预约人数远超预期，官方决定加强服务器环境，目标下周开服。游戏以《莱莎的炼金工房》为世界观，玩家通过与莱莎聊天推进战斗、旅行和建设。莱莎插画由人工绘制，语音采用野口百合录制素材并经语音合成，文本由 SpiralLLM 生成。

8月22日周六
  1. FireRedTeam：原创语音与多模态项目64

    FireRedTeam 开源 FireRedAudio 9B 通用音频语言模型

    FireRedTeam 发布 FireRedAudio 的代码与模型，一个基于 9B 参数 LLM 的通用音频语言模型，采用理解与生成解耦的连续表征设计。单模型支持 ASR、音频理解、零样本 TTS、指令 TTS、语义与声学语音编辑，以及最长一小时录音的时序定位理解，在 MMAU、Seed-TTS-Eval 等基准上取得竞争性或领先结果。

    推荐理由：官方发布了代码和权重，读者可以据此了解用一个 9B 骨干同时覆盖语音理解与生成的解耦表征设计。

  2. IT之家·人工智能53

    雷鸟 iO AI 眼镜体验：全天智记是亮点，堪比随身助理

    雷鸟创新发布首款“人类增强 AI 眼镜”雷鸟 iO，主打首创的全天智记功能，能以极低功耗持续采集语音并转写、总结、记忆待办事项。该眼镜采用 0.085 立方厘米萤火光引擎 Nano 与厚度不足 0.6 mm 蓝湖光波导，重 34 克，支持 55 种语言实时翻译、AI 全自动提词器及录音转写。实测中等强度使用 13 小时耗电 24%，续航约两天。

8月21日周五
  2. Hugging Face 社区博客69

    测量语音识别中的基准优化：Hugging Face 新测试揭示 ASR 模型“刷分”现象

    Hugging Face 最新研究引入三项测试量化语音识别中的基准优化（benchmaxxing）现象。对 11 个开源 ASR 模型的评估显示，多个高分系统会复现 VoxPopuli 和 LibriSpeech 基准的错误转录文本，即使音频内容与之矛盾。部分模型甚至依赖声学线索识别基准来源，导致其得分高估了真实转录能力。

    推荐理由：研究把语音识别中的基准优化现象变成可量化检验，三项探针和开源脚本让模型评估者能区分真实转写提升与仅针对测试集的拟合。