jason@jxnlcoAI 评分4545ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.
OpenRouter@OpenRouterAI 评分5050OpenAI 更新 ChatGPT 桌面应用，加入基于 GPT-Live 语音模型的 ChatGPT Voice 功能。用户可通过语音在 ChatGPT Work 和 Codex 中操控 AI 智能体，并在 macOS 上利用 Appshots 访问屏幕内容。桌面版支持多步骤复杂指令的语音输入，已在全球范围上线。
ElevenLabs 与巴西最高选举法院（TSE）签署合作备忘录，为其"选举助手"加入语音层，基于其文本转语音与语音转文本技术，让公民通过网站、App 和 WhatsApp 用语音获取选举信息，这是该公司首次与国家选举机构合作。
Anthropic 将 Claude 语音模式扩展至更强大的 Opus 和 Sonnet 模型，用户可在移动端、桌面端和网页聊天中随时切换模型。该模式支持 11 种语言，并能调用 Gmail、Google Calendar 等外部工具通过语音撰写和发送邮件。Anthropic 是目前唯一允许用户在语音模式下直接保存邮件的提供商。
亚马逊今日宣布升级 Alexa+ AI 助手，支持自然对话、信息记忆和任务执行，可完成购物、餐厅预订、叫车等日常任务。Alexa+ 具备多模态能力和超强记忆力，打通了 Uber、OpenTable、Grubhub 等第三方服务接口，用户可通过语音直接叫车、订餐或点外卖。Alexa+ 还能在 Echo 音箱、手机 App、车载设备和网页端之间同步对话上下文，并提供个性化新闻摘要。
Anthropic 将 Claude Opus 和 Sonnet 模型纳入语音模式，此前仅支持 Haiku。更强模型能提供更深入的回答、分析，并可直接执行任务，如整理推介方案或重新安排日历。用户可在同一对话中自由切换文字与语音，并随时更换模型；语音模式新增法语、德语、日语等语言支持。
OpenAI 于 7 月 24 日发布公告，升级 ChatGPT 桌面应用（已与 Codex 合体），引入由 GPT-Live 模型驱动的 ChatGPT Voice 模式。用户可在聊天、办公和编程三个板块中通过语音发起、检查或调整任务，实现多线程工作协同。GPT-Live 为全双工语音模型，可同时聆听与说话，支持从单一对话启动多个工作流程并在后台完成任务。
微软发布两款自研AI模型MAI-Image-2.5-Pro和MAI-Voice-2-Flash，均进入公开预览，强调使用企业级数据训练、未蒸馏第三方产品。MAI-Image-2.5-Pro为微软最高精度图像模型，文本输入每百万token 5美元；MAI-Voice-2-Flash速度提升约2倍、成本降低32%，每百万字符15美元。
Greg Brockman@gdbAI 评分4444ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.
Tibo@thsottiauxAI 评分4848ChatGPT Voice is now in the desktop app. Control your computer and direct multiple agents running in ChatGPT Work or Codex, using just your voice. It's powered by GPT-Live, so it can speak, listen, and coordinate work in the app at the same time. Rolling out globally today on macOS and Windows to Plus, Pro, Business, Edu, and Enterprise plans.
Amazon 为 Alexa Plus 推出更新，使其能连接 Bosch、iRobot 等品牌的智能家居设备，并自动将请求路由到正确设备。新集成由 AI 开发者工具包驱动，并采用 MCP 开放标准。Canva、Priceline 等公司计划今年晚些时候上线集成。
Rohan Paul@rohanpaul_aiAI 评分5353
Voice mode now runs on Claude's more capable models and reaches the tools you've connected mid-conversation. Talk through the hard problems out loud, in many more languages.
Anthropic 将语音模式从 Haiku 扩展至 Opus 和 Sonnet 模型，并接入 Gmail、Slack、Canva 等应用。用户可在对话中自由切换文本与语音模式及模型，例如从 Haiku 快速问答无缝升级至 Opus 深入分析。语音模式新增法语、德语、西班牙语、印地语、印尼语、意大利语、日语、韩语和葡萄牙语支持。
OpenAI@OpenAI精选AI 评分7979
推荐理由：ChatGPT 的语音助手正式上岸桌面，关键是能同时指挥多个代理干活，一边写代码一边查资料，全程动嘴就行。对重度用户来说，这可能比任何新模型都更直接影响工作流。
OpenRouter@OpenRouterAI 评分4949Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 两款新模型公开预览版。
推荐理由：原文给出两款新模型的定价、性能数字和已落地的产品场景，读者可以据此评估在质量速度成本曲线上的选型。
美国租房市场呈现结构性矛盾：2024年公寓竣工量超60万套创38年新高，空置率也创新高，但全国公寓缺口仍达500万套。租户“租金焦虑指数”自2024年8月持续攀升，旧金山在14个月内上涨15个百分点并于2025年底超越纽约。
OpenRouter@OpenRouterAI 评分4646Deepgram 的两款音频模型现已上线 OpenRouter。 Nova-3 用于语音转文字。Aura-2 用于文字转语音，并支持多语言语音库。 详情如下 🧵
Qwen@Alibaba_Qwen精选AI 评分7979推荐理由：TTS 模型终于学会控制情感和语调了，Qwen 这次把自然语言提示和细粒度标签一起放进去，做语音助手的可以直接从‘能说话’跳进‘有性格’。
开源语音识别领域已不再是Whisper一家独大。Cohere Transcribe（2B，Apache 2.0）以5.42%平均词错误率登顶Hugging Face开源ASR排行榜，但IBM Granite Speech 4.1 2B（5.33%）和ARK-ASR-3B（5.04%）紧随其后，榜首差距不足1个WER点。
特斯拉宣布，其车载 AI 助手 Grok 将通过 2026 年夏季软件更新覆盖整个欧洲，并同步进入印度、马来西亚等更多亚洲国家。此次更新新增车辆控制功能，驾驶员可通过语音拨打电话、调节空调及打开手套箱等。未来 Grok 还将与 FSD 整合，实现自然语言指令控制车辆。
Rohan Paul@rohanpaul_aiAI 评分4141@OpenAI didn’t publish GPT-Live's end-to-end latency. So Agora Media Lab measured it on an iPhone – with repeatable speech, dual-track waveform recordings, and controlled network impairment. https://www.agora.io/en/blog/openai-didnt-publish-gpt-lives-latency-so-we-measured-it/ #RealTimeAI #VoiceAI
Rohan Paul@rohanpaul_aiAI 评分4040
🚀 Your second brain. In a card. Meet SecondBrain Note, our first hardware. A card-thin AI voice recorder. Press once, and every meeting turns itself into notes, saved straight into your SecondBrain. You just listen. Always with you — just 2.95 mm thin and 26 g light, it slips into your card holder and onto your phone. Never miss a word — it picks up voices from over 5 meters away and records up to 35 hours. Your conversations stay yours — enterprise-grade security, certified SOC 2 Type II and ISO 27001. Get yours at launch, $179 (10% off) → https://shop.genspark.ai/
Synthesia 发布 AI Roleplay Sessions，一个交互式企业培训平台。员工可与 AI 虚拟形象练习职场对话，系统提供反馈、评分和分析，帮助企业衡量培训效果。该功能标志着 Synthesia 从视频制作向实时模拟辅导的扩展。
特斯拉公布 2026 年夏季软件更新（版本号 2026.26），Grok 新增拨打电话、搜索播放音乐、调节空调及打开手套箱等车辆控制功能，并将在整个欧洲上线。导航系统新增记忆用户常用路线功能，优先参考历史驾驶路线进行规划。此外，更新还包括通过特斯拉 App 上传自定义车身贴膜、设置到达目的地剩余电量、后排屏幕锁定、FSD 可视化自定义缩放及浏览器调用摄像头和麦克风等多项升级。
OpenRouter 推出 POST /api/v1/audio/transcriptions 端点，用户可使用同一 API key 将 base64 编码音频发送至该端点，返回 JSON 格式文本与用量对象。
推荐理由：OpenRouter 把语音转录集成进 API，一份 key 搞定聊天和转写，对已经在用的团队省心不少，这篇教程直接可跑。
微软计划于 8 月 18 日在消费级 Copilot 应用中移除深度研究（Deep Research）和播客（Podcasts）两个智能体，生命周期约 16 个月。深度研究的部分功能已整合到 Researcher 智能体，用户可在聊天历史中访问此前报告；播客智能体移除后，用户无法访问或导出已生成的 AI 播客内容，此前分享的链接也将失效。
Andrej Karpathy@karpathy精选AI 评分7878推荐理由：Karpathy 这条语音输入 ramble 技巧，比精心写 prompt 更符合人性，读完后你也会想试试。
LangSmith 现已支持追踪基于 Pipecat、LiveKit、OpenAI Realtime 和 Gemini Live 构建的语音智能体。开发者可在单次追踪中捕获音频、语音转文字（STT）和文字转语音（TTS）延迟、中断事件以及工具调用等关键指标。
DogeDesigner@cb_dogeAI 评分5959Grok 刚刚在特斯拉 2026 夏季版中迎来重大升级！ Grok 现在可以拨打电话、搜索和播放音乐、调节空调、打开手套箱，以及回答关于你特斯拉的问题，全部通过自然语音指令完成。
Halliday Gen 2 智能眼镜改用双眼单色波导显示（每眼600×300像素、最高1600尼特），取消摄像头以延长续航至约12小时。新品主打会议AI功能Meeting Flow，提供实时对话追踪与摘要，支持45种以上语言实时翻译。预购价$599，预计9月发货。
阿里云新模型 Qwen-Audio-3.0-TTS-Plus 以 1,236 的 Elo 评分登顶 Artificial Analysis 语音竞技场排行榜，略超 Simba 3.2（1,234）。
阿里通义实验室推出 Qwen-Audio-3.0-TTS，一款面向生产的文本转语音系统，提供 Flash（实时交互）和 Plus（高质量生成）两个版本。该模型通过阿里云 Model Studio 以托管 API 形式交付，不支持权重下载，覆盖 16 种语言。
阿里千问发布语音合成大模型 Qwen-Audio-3.0-TTS，包含首包延时300ms级别的Flash版本和面向高质量生成的Plus版本，后者在Artificial Analysis榜单夺冠。新模型支持文本嵌入[gasp]等标签调控语气，音频输出提升至48KHz，覆盖16种语言及20种方言，现已全面开放。
通义实验室发布 Qwen-Audio-3.0-TTS，含 Flash（首包延迟约300ms）和 Plus 两个版本。Plus 版本在 Artificial Analysis 榜单夺冠，支持16种语言和20种中文方言，平均 WER/CER 低至3.87（Flash），说话人相似度最高达82.75（Plus）。
同一件事，精选收录的是《通义千问发布Qwen-Audio-3.0-TTS，登顶TTS排行榜》
通义实验室发布 Qwen-Audio-3.0-TTS 实时语音合成模型，含 Flash 与 Plus 两个版本，首包延迟约 300ms。模型支持 16 种语言和 20 种方言，Plus 版在 Artificial Analysis 榜单夺冠，平均说话人相似度达 82.75。新增 Free-style 自然语言指令、细粒度标签控制及嘈杂环境鲁棒性，音频输出提升至 48K，单次合成最长 3 分钟。
同一件事，精选收录的是《通义千问发布Qwen-Audio-3.0-TTS，登顶TTS排行榜》
