谷歌发布新一代 Google Home 智能音箱，搭载 Gemini for Home AI 语音助手，支持自然语言交流与多步骤语音指令，用户中途改口也能正确理解。球形设计，360° 环绕音效，麦克风系统可自动调节拾音。硬件：1GB LPDDR4 内存、四核 Cortex-A55 2.0GHz 处理器、4GB 存储，顶部电容触控，3D 织物材质三种配色。可与 Google TV Streamer 组成立体声环绕系统。6 月 25 日上市，定价 100 美元（约 677 元）。
Google Home Speaker 于 6 月 17 日开启预购，6 月 29 日发货，售价 $99。该音箱专为 Gemini for Home 设计，内置本地模型用于降噪和回声抑制，支持 360 度音频，可配对立体声或配合 Google TV Streamer 实现空间环绕声。它还是 Matter 控制器和 Thread 1.3 边界路由器。Gemini for Home 延迟降低 40%，修复超 25,000 个问题，新增 50 余项功能。部分高级功能（如 Gemini Live）需订阅 Google Home Premium（$10/月），购买前可获赠 6 个月。
DeepL 收购了实时音频初创公司 Mixhalo，将其翻译套件扩展至现场活动。Mixhalo 成立于 2016 年，由 Incubus 吉他手 Mike Einziger 等联合创立，最初为演唱会改善听音体验，后转向体育及现场活动的实时音频服务，累计融资超 3900 万美元。Mixhalo 此前已是 DeepL 的主要翻译客户。DeepL 于 2024 年推出覆盖 33 种以上语言的语音转文本翻译，今年 4 月又推出支持多语言会议的语音转语音翻译套件。收购后，DeepL 将在旧金山湾区开设办公室以扩大美国业务。
OpenAI 正筹备推出 GPT-Bidi-1 模型，采用双向（BiDi）架构，能同时听和说，吸收用户打断并在对话中实时调整。相比已进化至 GPT-5.5 的文本模型，ChatGPT 的语音能力仍基于较旧音频技术栈，GPT-Bidi-1 旨在弥合这一差距。上线后用户可切换双向模式与现有高级语音模式，并支持 High、Medium 及 Instant 智能等级，按任务调整速度和深度。
Greg Brockman@gdb精选AI 评分7474GPT-Realtime 2 是操作系统的未来。 我已经试验了它几周，不得不说，它真是相当不可思议。 打开应用、搜索网页，甚至在 Premiere 里剪辑。全都只用我的声音完成。 而且只需几个提示就能设置好。 在这个视频里，我会向你展示具体怎么做。 0:00 开场 1:46 什么是 GPT-Realtime 2？ 4:46 设置它（无需编程） 7:53 修复常开麦克风（按键说话） 9:41 演示：搜索网页 11:38 演示：通过 MCP 连接应用（Obsidian） 14:13 演示：控制 Premiere Pro（无障碍树） 18:00 诚实的注意事项 19:00 结尾
推荐理由：Greg Brockman 转发的这个视频，演示了用语音控制 OS 完成搜索、写笔记、甚至剪辑 Premiere，这不是 demo 动画，是真的可以上手试的教程，让人感觉语音 OS 离现实又近了一步。
6 月 17 日，谷歌正式推送 Android 17 正式版及 Wear OS 7，首发搭载 Pixel 设备。新系统集成音乐生成模型 Lyria 3、多模态大模型 Gemini Omni 及基于 AudioLM 的语音翻译工具（适配 Pixel 10a）。Pixel 专属更新：Gemini Omni 支持对话中剪辑视频，Lyria 3 可输入文字或图片生成曲目；老款 Pixel 8a、9a 快速分享兼容苹果 AirDrop。系统新增“气泡任务栏”多任务控件、同屏录摄、家长管控及折叠屏 50/50 游戏模式。手表新增车祸、摔倒、无脉搏自动呼救，续航提升 10%，夏季将上线 Gemini 桌面小组件。
Rohan Paul@rohanpaul_aiAI 评分6565
🥇MaineCoon: From Passive Video to Real-Time AI Presence The first unlimited-duration interactive audio-visual model. Most AI products today still feel like they live behind a screen. You type. It answers. You speak. It replies. The interaction is still mostly turn-based. Mainecoon is built around a different idea: AI should not just respond to you. It should feel present with you. 🔗Learn more Website ↓ https://mainecoon.tech Blog ↓ https://mainecoon.tech/blogs
Google 近日发布 Android 17 正式版及 Wear OS 7，率先登陆 Pixel 设备。Pixel Drop 新增 AI 模型支持：音乐生成模型 Lyria 3、多模态 Gemini Omni 及基于 AudioLM 的语音翻译工具（Pixel 10a）。Quick Share 文件分享兼容 Apple AirDrop。Android 17 引入“气泡栏”多任务界面、自拍屏幕录制、折叠游戏模式（50/50 布局与动态手柄）以及“标记为丢失”等安全与家长控制功能。Pixel Watch 新增车祸/跌落/无脉搏自动紧急呼叫。Wear OS 电池续航提升最高 10%，并将在夏季推出更多 Gemini 智能功能。
Rohan Paul@rohanpaul_aiAI 评分5454Today, we’re announcing that we’ve closed our Series C and raised $100M to continue automating the world’s most complex phone calls. We grabbed some guy named Paul to talk about it because nobody else in the office wanted to. 🧵
DogeDesigner@cb_dogeAI 评分6969🚨 Grok 更新 🚨 现在你可以与 Grok 共享屏幕，并在语音模式下获得实时帮助。 只需点击窗口图标，选择共享屏幕，然后开始广播。
Josh Woodward@joshwoodwardAI 评分7474我们的麦克风图标在 Android 和 iOS 上变得更好用了！这对非英语使用者来说意义重大。 + 现已支持 70+ 种语言 + 可自由混用语言 + 无需更改语言设置 + 仍然不会打断你 :)
苹果AI版Siri迟迟未上线，项目负责人迈克·罗克韦尔在WWDC技术分享会上透露，去年团队曾做出在原有Siri基础上小幅改良、新增工具调用的可运行版本，但因无法达到产品愿景，最终选择推倒重来，完整从零重构系统，依托全新大模型搭建。重构后的Siri拥有独立应用程序，原生支持多模态交互，隐私保护贯穿底层架构，并覆盖iPhone、iPad、Mac、Apple Watch、Vision Pro、CarPlay、AirPods等全平台，提供统一连贯体验。
推荐理由：苹果AI版Siri推迟的真实原因浮出水面——不是技术卡壳，而是主动选择推倒重来，这对所有做大模型应用升级的产品团队是个值得细读的决策复盘。
科大讯飞AI眼镜6月15日在京东开启预售，定价4299元（部分地区国补后低至3369元），重40克。搭载讯飞端到端语音同传大模型，支持122种语言（含方言、口音）翻译，覆盖通话翻译、线上同传、同声传译（8米全向拾音）、面对面翻译（18语种离线）、视觉翻译等六大场景。内置GlassClaw AI助理，支持一句话跨端任务、会议自动生成图文纪要、实时提词、蓝牙遥控翻页，并提供多种近视镜片选配。
苹果在 WWDC 公布 AI 版 Siri 等新功能，古尔曼称还有三项功能在开发，预计 9 月推出。包括：Apple Watch Ultra 简约版模块化极致表盘（保留大时钟但取消第二行组件）；Siri 扩展功能将接入 ChatGPT 等第三方 AI，但苹果计划开发 API 让应用直接接入 Siri（而非单独签协议），隐私标准可能不同，推迟原因涉欧盟立场、关注度等；以及可自定义相机应用（调整按钮位置），将随 iPhone 18 Pro 于 9 月发布。
蚂蚁集团正对支付宝进行重大改版，引入AI Agent（AI智能体）交互界面。用户可通过文字或语音向AI助手“阿宝”发出叫网约车、点咖啡、点外卖等指令；在获得授权后，阿宝还能执行买基金、管理投资账户等理财任务。目前该版本尚无具体上线时间。
Simon Willison 于 2024 年 12 月构建了基于 OpenAI WebRTC API 的音频会话工具，用于与实时音频模型交互。上月 OpenAI 为该 API 推出新模型 GPT‑Realtime‑2，号称“首个具有 GPT‑5 级推理能力的语音模型”，知识截止日期为 2024 年 9 月 30 日。该工具现已更新，支持选择此模型，并可粘贴大段文档上下文，使用户能在浏览器中围绕任意信息进行音频对话。
iOS 27 Beta 1 新增“高级听写预览”功能，支持离线运行。该功能提升语音转写准确率，能实时处理大写字母与标点符号。默认禁用，需在“设置→通用→键盘→听写”中手动开启。适配机型包括 iPhone 17 Pro、iPhone Air、第二代 Vision Pro（M5芯片）、搭载M4及以上芯片且内存≥12GB的iPad、搭载M3及以上芯片且内存≥12GB的Mac。
Google AI Developers@googleaidevsAI 评分5959
苹果发布了新版Siri AI，The Verge编辑David和Nilay在The Vergecast中分享了初期体验。过去十几年Siri在"部分功能勉强可用"和"彻底翻车"之间摇摆，而新版Siri AI在多数任务上表现足够出色，尽管没有带来突破性创新，但相比过往已发生质变。
苹果软件负责人 Craig Federighi 在接受 Mostly Human 采访时表示，新版 Siri 不会像 OpenAI、Google 等公司的聊天机器人那样谄媚和过度互动。Federighi 指出，现有许多聊天机器人为了拉拢用户会鼓励对方表露个人信息，而苹果有意采取了不同设计策略，让 Siri 懂得适时保持沉默。
法国音乐流媒体平台 Deezer 昨日推出一款免费工具，可扫描 Apple Music、Spotify 等第三方平台的播放列表，检测是否包含 AI 生成音乐。Deezer 是首批标注 AI 音乐的平台之一，此前曾向其他平台推销该识别技术但未获回应。CEO Alexis Lanternier 表示，既然没有平台跟进，就让所有用户自行检测。使用方法：访问 Deezer 检测网站，选择流媒体服务并授权账户即可完成分析。
Zyphra 发布 Apache 2.0 许可的实时 TTS 模型 ZONOS2，采用 8B 总参数、900M 激活参数的 MoE 架构，主打高保真零样本语音克隆，权重已上线 Hugging Face。
推荐理由：原文给出架构、训练数据和评测细节，读者可以了解这个开源实时 TTS 模型在音色保真与生成稳定性之间的取舍。
苹果软件工程高级副总裁克雷格·费德里吉在《Mostly Human》播客中明确表示，全新 Siri 不会成为用户的 AI 男友或女友。他指出，Siri 的设计理念是提供“实用工具”而非“情感陪伴”，不会迎合用户或扮演恋爱角色。营销副总裁格雷格·乔斯维克补充，苹果将 AI 自然融入 iPhone 等产品，让技术“消失”，专注于提升现有使用体验，而非为了做 AI 而做 AI。
京东JoyInside与惠达推出行业首款搭载JoyInside统一智能中枢的卫浴套系“惠达小京灵系列AI卫浴套装”，含AI智能马桶、AI智能花洒、AI智能浴室柜。依托JoyAI大模型，设备支持语音控制、模糊语义理解、连续多轮对话及方言识别，可实现自动预排冷水、语音控温、镜面除雾等场景联动。套系已开启预售，6月17日晚8点正式售卖。JoyInside已与近200家机器人、AI玩具、家电家居品牌合作，预计年内接入超千万终端设备。
Deezer 将扫描用户在其它流媒体平台的播放列表，检测其中的 AI 生成音乐。Deezer 是最早标记 AI 生成音乐的大型流媒体服务之一，曾向其他平台提供该技术但少有采纳。Deezer CEO Alexis Lanternier 表示，由于没有其他公司跟进，他们决定让用户无论使用哪个平台，都能检查自己的播放列表中是否包含合成音乐。
推荐理由：Deezer这手挺狠，自家技术没人买账就做成免费跨平台工具，现在用Spotify和Apple Music的人也能扫歌单了，对在意音乐‘血统’的人来说是个刚需小功能。
小米发布并开源终端AI编程助手MiMo Code V0.1.0，采用MIT协议。内置限时免费MiMo-V2.5多模态模型，性能比肩Claude Sonnet 4.6；支持接入DeepSeek、Kimi、GLM等模型。核心能力包括持久记忆系统（项目记忆、会话检查点、任务进度）和无限上下文——通过独立subagent自动保存状态解决长会话遗忘。独创Compose模式实现模型与Agent协同优化，SWE-Bench Pro达62%（Claude Code 57%），Terminal Bench 2达73%（68%）。内置语音输入和/dream命令，每7天自动合并记忆。终端输入`mimo`即可使用，所有设置中文汉化。
推荐理由：小米悄悄发了MiMo Code，开源且免费，用记忆系统和Compose模式解决了AI编程两大顽疾：健忘和跑偏，实测比同模型Claude Code更强，开发者现在就能装上试。
外媒 The Verge 体验苹果 iOS 27 全新 Siri AI，发现其回复极为简洁，不套近乎。相比谷歌 Gemini 热情外放、ChatGPT 力求沉稳但仍拉近距离，Siri AI 只回答问题，不作闲聊引导。例如问“最近怎么样”，Siri AI 直接建议开启设置搜索新闻；问天气时提示美国国家气象局已发布极端高温预警；问“你能做我的朋友吗”回答“无论顺逆境，我都会做你的朋友”；问“你喜欢我吗”回答“我觉得你很不错”。苹果将 Siri AI 定位为实用工具，新版需等到今年秋季 iOS 27 正式推送后全面开放。
xAI@xai精选AI 评分7474Grok Voice 提供最先进的性能，具有类人的时机、语调和温暖感。而且价格仅为竞争对手的一小部分。 查看详情：http://x.ai/api/voice
🚀 Grok Voice Think Fast 1.0（@xAI）登上 EVA-Bench 的帕累托前沿——在评测中，没有任何系统能在不牺牲体验的情况下在准确率上超越它，反之亦然。 📊 排行榜：https://servicenow.github.io/eva/#results @elonmusk #VoiceAgents #ServiceNowResearch #EVABench #GrokVoice #xAI
推荐理由：语音AI的SOTA这次不是OpenAI了，Grok Voice在EVA-Bench上无死角领先，价格还打到对手十分之一，做语音产品的可以认真看看这个帕累托前沿选手。
UWA 世界超高清视频产业联盟宣布，鸿蒙版 QQ 音乐于 6 月 10 日上线搭载 Audio Vivid 技术的「臻品全景声 3.0」功能；鸿蒙版酷狗音乐将于 6 月 12 日接入并同步上线「AI 音乐现场」功能。Audio Vivid 是 UWA 联盟发布的全球首个基于 AI 技术的三维声音频编解码标准，此前已用于总台春晚、奥运会等大型直播。
博主 @缪特mt 发文称小米 miclaw 已实现 AI 上岛，展示效果并透露澎湃 OS 4 有新交互。@数码闲聊站 称某国产迭代 OS 将实现 AI 语音助手上岛，该功能在苹果 iOS 27 发布前已开发完成。苹果在 WWDC26 演示 Siri AI 于灵动岛弹气泡执行操作。miclaw 基于小米 MiMo 大模型，2026 年 3 月 6 日首启小范围封测，4 月 21 日扩展至 PC、Mac、有屏音箱等多终端。卢伟冰 5 月 16 日表示 miclaw 不会取代小爱同学，未来计划将其能力与“超级小爱”合体增强小爱。
随着 iOS 27 开发者预览版发布，Siri 反馈错误报告诊断文件中包含完整 LLM 指令文件 `siri_prompt.md`，超 1300 行、约 22000 token，已上传 GitHub。提示词定义 Siri 为苹果智能助手，要求先思考再决定是否调用工具，优先使用设备本地数据和搜索结构化信息，信息缺失或歧义时必须询问用户，不得编造。苹果未回应。Siri AI 将在 iOS 27、iPadOS 27、macOS 27、visionOS 27 测试版中开放测试，未来加入 watchOS 27。Apple Intelligence 支持 17 种语言，但 Siri AI 因监管要求不会在中国大陆推出。
香港生成式人工智能研发中心（HKGAI）联同观塘民联会、香港升旗队总会启动全港首个“AI社区示范区”，培育首批50名社区AI大使。HKGAI推出三款AI工具：“港话通”可查询天气食谱、计算卡路里，已与佳宝超市打通积分；“港会通”与“港文通”支持多语言实时翻译、会议纪要自动生成及公文撰写校对。项目采取“手把手”教学，由社区AI大使指导街坊，并为行动不便者提供上门教学。HKGAI V1是香港首个AI大模型，本次观塘项目将作为试点推广至全港18区。
iOS 27 新增 Siri 独立应用，苹果高管克雷格·费德里吉在发布会后技术分享会上解释，推出该应用并非转变聊天机器人战略，而是为用户提供一处可回看、查阅过往 Siri 对话记录的入口。他指出，Siri 本质上是深入融入系统、随用随取的交互工具，而非孤立聊天工具；在主屏幕放置独立应用是让用户管理历史对话的最直观方式。
苹果新版 Siri AI 终于能一次性从邮件或排版混乱的传单中提取足球赛或“精神周”主题日并添加到日历上。它还支持对话式交互，例如讨论花园玫瑰病害、整理五金店购物清单、设置花床堆肥提醒，并能引用邮件和日历中的信息来生成推荐。
作者渴望拥有个人 AI 助手，但同时自问是否真的想变成那种离不开手机友好机器人声音的人。
Hugging Face 博客发布针对语音智能体处理代码切换语音的基准测试。数据集覆盖西班牙语‑英语、法语‑英语、加拿大法语‑英语和德语‑英语四对语言，基于人力资源与IT服务管理场景构建。采用词错误率、语义词错误率和答案错误率三项指标评估七种ASR系统，包括AssemblyAI Universal 3-Pro、Deepgram Nova 3 Multilang、ElevenLabs Scribe V2、Gemini 3 Flash、Mistral AI Voxtral Small 24B-2507、Nvidia Parakeet TDT 0.6b V3和OpenAI Whisper Large V3 Turbo。主要发现：代码切换的转录成本因语言对和模型而异；ElevenLabs Scribe V2、Gemini 3 Flash和AssemblyAI Universal 3-Pro在所有指标上表现最佳。数据集和测试框架通过AU-Harness开源发布。
推荐理由：如果你在给多语言客户做语音Agent，这篇博客直接把主流ASR的code-switching能力测了一遍，ElevenLabs Scribe V2目前最强，还开源了数据集，拿来就能测自己的模型。
xAI@xaiAI 评分5959Gemini 3.5 Live Translate 提供即时语音到语音翻译，能够保留说话者的语调、节奏和音高，并通过 SynthID 水印确保安全性。
