ElevenLabs 语音创作者累计收入达 2200 万美元，半年翻倍
ElevenLabs 官宣，Voice Marketplace 语音创作者累计收入从 2025 年 11 月的 1100 万美元增长到超过 2200 万美元， earning 创作者超过 10400 人，覆盖 32 种语言。
#语音
ElevenLabs：BlogAI 评分5555 IT之家·人工智能精选AI 评分7070 网易有道“子曰4”多模态模型、语音合成模型全量开源
网易有道宣布将其“子曰”大模型4.0的多模态模型与语音合成模型面向全球全量开源。其中，多模态模型（27B参数）专注于教育场景，在处理高难度视觉数理问题上达到行业顶尖水平，纯文本中文数理难题准确率为81.4%。该模型通过思维链优化，将输出长度压缩43.2%，有效降低了推理成本。同时开源的语音合成模型支持跨语种音色与情感迁移克隆，3秒内即可完成零样本复制，准确度超97%，并支持包括中、英、日、韩在内的14种语言。
推荐理由：有道把垂直教育的多模态模型全量开源，27B参数在视觉数理上做到SOTA，还把思维链压缩了43%，推理成本实打实下降，做教育应用的可以拿来做二次开发；TTS的跨语种情感克隆也实用，3秒克隆14种语言。
IT之家·人工智能AI 评分4848 安克发布搭载自研“Thus”AI芯片的Liberty 5系列降噪耳机，1399元起
安克推出了Liberty 5 Pro及Pro Max降噪耳机，全系搭载其自研的“Thus”AI芯片。该芯片提供20种语音指令并支持AI会议助手等智能功能。耳机采用自适应主动降噪4.0系统，配合多麦克风及传感器，号称实现“全球通话最清晰”。产品定价1399元起，享受国补后到手价1070.23元起。此外，耳机单次续航6.5小时（开启降噪），总续航达28小时，并支持蓝牙6.1和IP55防水。
IT之家·人工智能AI 评分6060 努比亚总裁倪飞回应“用豆包订餐厅反被拒”：App 可能尚不支持实际预约功能，但豆包手机就可以
江苏镇江网友使用豆包App预约餐厅后到店被拒，引发对AI“幻觉”现象的讨论。豆包官方回应称其App暂不支持实际餐厅预约。努比亚总裁倪飞发布视频回应，指出豆包App可能尚不支持真实预约功能，但搭载豆包手机助手的努比亚M153（豆包手机）可执行此类操作。在演示中，该手机通过系统级集成，根据用户语音指令自动完成餐厅筛选与预订，体现了AI指令直达服务终点的能力。努比亚M153是与字节跳动合作的工程样机，此前曾限量发售。
The Verge：AIAI 评分5555 Spotify Studio的AI智能体为你打造每日定制播客
Spotify Labs推出一款名为Studio的独立AI应用，该应用可根据聊天指令为用户生成每日简报、播客与播放列表。其AI内容生成不仅基于用户的Spotify收听历史，还能整合所连接应用的信息，如邮箱、日历与备忘录。AI还能代为执行任务，包括研究话题、浏览网页、整理信息及协助完成事项。生成的内容可保存至Spotify资料库。该应用将以研究预览形式在未来几周内向年满18岁的用户推出。
TechCrunch：AIAI 评分5353 Spotify 为播客添加 AI 驱动的问答与简报生成功能
Spotify 推出新的人工智能功能，支持播客听众根据个人提示生成每日或每周的内容简报。该功能通过 AI 分析用户输入的指令，自动整理并提炼相关播客节目的核心信息，形成结构化摘要，旨在提升用户获取信息的效率与个性化体验。
TechCrunch：AIAI 评分4646 Spotify推出由ElevenLabs驱动的有声读物创作工具
Spotify将于今年晚些时候发布新的有声读物计划，该计划整合了ElevenLabs的语音合成技术，旨在为创作者提供更便捷的有声内容制作工具。这标志着Spotify正进一步深入有声读物市场，并利用AI技术降低内容生产门槛。
IT之家·人工智能AI 评分6666 腾讯会议“AI 同传”功能上线：可模仿用户音色、时延低于 3 秒
腾讯会议正式上线“AI 同传”功能。该功能无需插件或外接设备，每位参会者均可独立开启，支持模仿发言人音色，实现发言与翻译几乎同步，时延低于3秒。用户可调节同传与原声音量，并已与原有的文字转写、会中字幕功能打通，支持可听、可译、可见、可记的多维度跨语言会议体验。
公众号：京东JoyAIAI 评分4949 京东数字人核心能力升级
京东数字人近日完成核心能力升级，从“会播、会答”的数字主播进化为面向直播经营全链路的智能增长中枢，帮助商家以更低成本打造接近真人头部达播效果的直播间。已累计服务超7万商家，2026年一季度开播量同比激增10倍。该产品为京东自研AI，曾获2024年吴文俊奖，实现长时长、自由态、高频互动，推出采销东哥、总裁、明星及IP数字人。
IT之家·人工智能AI 评分4141 微信鸿蒙版 App 8.0.17.39 正式版更新发布
微信鸿蒙版App发布了8.0.17.39正式版更新，当前安装量已超5565万次。本次更新主要增强了视频号功能，包括资料修改、新注册支持、播放旋转及直播选项增加等。同时优化了“听一听”模块，新增AI写歌与灰度测试的会员卡、跨平台文件传输等功能，并改进了聊天界面交互与朋友圈评论体验。
IT之家·人工智能AI 评分5656 小米汽车 OTA 1.16 开启全量推送，新增自定义萌宠上车、小爱陪伴等功能
小米汽车官方于5月21日宣布，其车机系统OTA 1.16版本已开启全量推送。本次更新重点新增了“自定义萌宠上车”、“小爱陪伴”、“模糊语义理解”以及“商圈地库车位级领航”等功能，旨在提升智能座舱的交互体验与辅助驾驶能力。车主可留意手机端或车机上的更新通知进行升级。
OpenAI Developers@OpenAIDevsAI 评分5858
OpenClaw🦞@openclaw精选AI 评分6666推荐理由：一堆小修小补但都很实用，尤其 Android 实时对话模式，开源 AI 客户端里难得把体验做到这个程度，值得更新。
MiniMax (official)@MiniMax_AIAI 评分6767引用Together AI@togethercomputeWe added 600+ new voices on Together AI! Introducing MiniMax Speech 2.8 Turbo on Together AI, an enterprise TTS model for expressive real-time voice agents. AI natives can now deploy @MiniMax_AI Speech 2.8 Turbo on Together AI dedicated infrastructure, and try the voices directly in voice finder.
MarkTechPostAI 评分6363 阿里巴巴 Qwen 团队推出 Qwen3.5-LiveTranslate-Flash：实时多模态翻译模型支持60种语言
阿里巴巴 Qwen 团队发布了实时多模态翻译模型 Qwen3.5-LiveTranslate-Flash。该模型能同时处理音视频输入，支持60种语言的输入和29种语言的语音输出，端到端延迟低至2.8秒。相比前代，新增了实时说话人声音克隆、通过唇语和屏幕文字增强视觉理解，以及动态配置领域专业术语等能力。在 FLEURS 和 CoVoST2 基准测试中，性能超越主流商业模型。目前仅以 API 形式通过阿里云百炼平台提供服务，采用 WebSocket 协议通信。
IT之家·人工智能AI 评分6767 AI 同传 2.8 秒延迟，阿里通义千问发布实时语音翻译模型 Qwen3.5-LiveTranslate
阿里通义千问团队发布了Qwen3.5-LiveTranslate-Flash实时语音翻译模型。该模型将支持的音频输入与文字输出语种从18种大幅提升至60种，输出音频语种从10种增加至29种。通过采用新的流式翻译技术，端到端字均延迟降低至2.8秒，同时支持实时音色克隆以保留说话人原声特征，并内置动态热词引擎以提升专业术语翻译准确性。模型在多个公开基准测试中表现优于前代及主流模型。
公众号：通义实验室AI 评分5555 Qwen3.5-LiveTranslate 发布：开口即同传
通义实验室（千问）发布 Qwen3.5-LiveTranslate，实现“开口即同传”——用户说话的同时即可获得翻译结果，支持实时语音同声传译。目前尚未公布模型参数规模、benchmark 分数、上下文长度等具体技术细节。
IT之家·人工智能AI 评分5656 华为 AI 眼镜 钛丝半框光学镜 方形款今日预售，2499 元
华为于5月20日宣布，AI眼镜钛丝半框光学镜方形款于当日10:08开启预售，售价2499元。该产品采用轻量化设计，镜架重35.5克，镜腿薄至6.25毫米，搭载华为自研AI芯片，支持小艺AI、支付宝看一下支付等功能。配备1/2.8英寸大底传感器与AI构图技术，可进行第一人称视角视频直播。综合续航达12小时，支持连续8小时语音通话。
IT之家·人工智能AI 评分4343 苹果预告 iOS 27 辅助功能升级，集成 Apple Intelligence 支持自然语言操作
苹果宣布在 iOS 27、iPadOS 27 和 macOS 27 系统中，深度集成 Apple Intelligence 到无障碍功能。语音控制通过整合 AI，新增自然语言输入，用户可描述屏幕内容如“点开最佳餐厅指南”来操作设备，无需记忆按钮。VoiceOver 升级加入图像探索器，细致描述视觉内容；放大器支持口头指令；无障碍阅读器扩展适配复杂材料，并提供摘要与翻译功能。此外，Agentic 智能体能力将应用于新版 Siri，使其能理解屏幕内容并执行操作。
TechCrunch：AIAI 评分4747 Gmail 新增对话式语音搜索功能，亮相 Google IO 2026
在 Google IO 2026 大会上，Google 宣布扩展 Gmail 的 AI 收件箱功能。用户现在可以通过对话式语音搜索，直接与收件箱交互，使用 Gemini 快速查找和提取被埋没的电子邮件细节。该功能旨在简化邮件检索流程，提升操作效率。
IT之家·人工智能AI 评分6464 谷歌升级 Workspace：语音对话协作 AI 检索邮件、起草文档、整理笔记
谷歌在2026年I/O开发者大会上宣布升级Google Workspace，将Gmail、Docs、Keep等工具整合为支持自然语音交互的协作助手。核心新功能包括：可通过语音直接检索邮件内容的Gmail Live、支持口述起草与格式整理的Docs Live，以及能自动将零散想法整理成清单的Keep更新，旨在将办公流程从点击输入转向更自然的语音交互。此外，谷歌还推出了基于Nano Banana模型的独立图像编辑应用Google Pics，支持对图像进行精确的局部对象分割与修改。
Google Blog：AI精选AI 评分7575 Google Workspace 推出全新创建方式与高效工作功能
Google 在最新更新中为 Gmail、Docs 和 Keep 增添了新的语音功能，并推出了一款名为 Google Pics 的全新设计工具。同时，其 AI Inbox 功能也得到了升级与优化。这些更新旨在进一步提升用户在工作场景中的协作效率与创作体验，通过集成更智能的工具和交互方式，帮助用户更便捷地完成多项任务。
推荐理由：Google Workspace 直接植入了语音操作和设计工具 Pics，这波更新对办公效率很实在，做产品和运营的可以关注一下实际落地效果。
Rohan Paul@rohanpaul_aiAI 评分5454引用Huang Song@huang_song_Voice-first AI products touch some of your most private data: Your raw thoughts. Your unfinished drafts. Your unfiltered voice. Your work before it's ready to be seen. That deserves serious protection. Typeless is now ISO 27001 certified. 🛡️ ISO 27001 is one of the world's most rigorous information security standards - independently auditing how a company manages data, risks, systems, and controls. For users: Typeless is built to protect your thoughts and work. For enterprises: Typeless is ready for teams that need trusted, security-reviewed AI tools before adoption. Our privacy principles: 1. Zero cloud data retention 2. Never trained on your data 3. On-device history storage Voice-first only works if it's private by design. http://trust.typeless.com Written with @typelessdotcom
Qwen：Blog Retrieval精选AI 评分7777 Qwen3.5-LiveTranslate：从声音到视觉，从词语到准确
Qwen3.5-LiveTranslate-Flash 是 Qwen 家族最新的同声传译模型，基于 Qwen3.5-Omni 架构，支持实时多模态翻译（音频、视频及视觉上下文）。语言覆盖大幅扩展：输入音频与输出文本从18种增至60种，输出音频从10种增至29种。采用 Readable Unit 技术，平均端到端每 token 延迟降至2.8秒，相比前代首 token 延迟降低3.45秒、每 token 延迟降低1.88秒。支持一句话启动的实时语音克隆和可动态配置的热词增强。在 FLEURS 和 CoVoST2 基准上翻译准确率超越主流商用大语音模型。
推荐理由：这个版本让同声传译从“能用”变成了“好用”，语言覆盖从 18 跃升 60，延迟压到 2.8 秒，加上视觉消除歧义，做国际业务和直播的人值得跟进。
IT之家·人工智能AI 评分4040 影石推出旗舰无线麦克风 Mic Pro：搭载彩色墨水屏与三麦阵列，限时价 528 元起
影石今日发布旗舰级无线麦克风Mic Pro，首次搭载支持六色显示与自定义图案的彩色墨水屏，并首创三麦克风阵列，可实现四种指向拾音模式。该产品内置NPU模块以支持AI降噪，支持32-bit浮点内录。其单发标准零售价698元，即日起至6月21日享限时福利价528元起。Mic Pro具备最长10小时单次续航、400米无线传输距离及32GB内置存储，可直连影石多款相机，同时兼容手机与微单等设备。
ElevenLabs：BlogAI 评分4444 ElevenLabs 推出教授免费计划与爱因斯坦语音 AI 学习体验
ElevenLabs 面向教授推出免费 Pro 层级访问及限时学生访问权限的 Impact Program x Professors 计划，已有哈佛、NYU、康奈尔、UCL 等机构的 100 多名教育者在使用其语音 AI。
IT之家·人工智能AI 评分5252 语音驱动人形机器人自主实时生成任意动作，宇树科技公布一镜到底视频
宇树科技于5月19日发布一镜到底演示视频，展示了其G1人形机器人通过语音指令自主实时生成任意动作的能力。该技术突破在于无需预设动作，由AI系统根据语音直接驱动机器人实时生成动作，实现了真正的语音控制与动作生成闭环。演示过程中存在少量延迟，动作流畅度有待优化。G1机器人于2024年发布，具备23至43个关节电机，体重约35kg，身高约127cm，并配备力控灵巧手。
OpenRouter@OpenRouter精选AI 评分6565推荐理由：如果你觉得官方 Grok API 麻烦，OpenRouter 现在一口气上线了 Imagine 图像、视频和 Voice TTS，做创意产品的开发者可以直接从这里调用了，省去多签一轮 API key 的功夫。
- Rohan Paul@rohanpaul_aiAI 评分6868引用PolyAI@polyaivoice
Starting today, we're opening our Agentic Dialog Platform to every enterprise builder. Our dialog agents have resolved 1 billion+ customer conversations for clients like FedEx, Unicredit, PG&E, Marriott, Foot Locker, and many more. These aren't easy conversations. They solve problems like: > A patient booking medical transport who needs insurance verified on the spot. > A homeowner calling their utility company about a gas leak. > A cardholder figuring out why their must-have purchase was declined. Standard conversational AI was never built for this. It was designed for chat, adapted for voice later. It generates responses, but can't do what dialog requires: hold context under pressure, navigate ambiguity in real time, and actually resolve problems. So we built a better model. Our proprietary model Raven was built from the ground up specifically for dialog. Agent harness in the weights, not bolted on through prompts that drift under pressure. And in our platform, you can deploy Raven as your default or bring in GPT-5, Claude, Gemini, whatever model fits your use case or regulatory requirement. Now that the Agentic Dialog Platform is open, any team can create, test, and deploy dialog agents on the same model and infrastructure the world’s top brands trust on their hardest days. This opens up the pool of builders across your entire enterprise. The person who knows customers best, who runs operations, who owns the customer journey: they're all builders now. Two ways to build: > Poly Agent Builder: Describe your use case in natural language, and it configures your agent, knowledge base, and conversation flows automatically. Production-ready in ten minutes. > Agent Development Kit (ADK): Developers use this to build dialog agents the same way they build everything else. Use your own IDE, a coding assistant like Claude, version with Git, deploy from your terminal. Get started now: http://studio.poly.ai/
Sierra：BlogAI 评分4848 Sierra 推出动态路由转录平台，支持 70+ 语言并融入客户上下文
Sierra 构建了一个转录平台，可在多个提供商之间动态路由，融入客户上下文，支持 70 多种语言，并适应真实世界的可变性。该平台旨在提升智能体效率和客户满意度。
IT之家·人工智能AI 评分4545 理想 AI 眼镜 Livis OTA 推送 1.8.50 固件升级，全新 L9 首发指挥泊车
理想汽车为AI眼镜Livis推送1.8.50固件升级，理想同学App同步升级至2.5.0。本次OTA更新新增5项功能，优化11项功能。全新理想L9首发支持通过AI眼镜语音指挥泊车，新增哨兵模式高风险提醒、英文唤醒词、语音唤醒开关及三种唤醒反馈选择。同时优化了蓝牙电话拨打体验、运动中视觉问答清晰度和视频颜色饱和度。
IT之家·人工智能AI 评分5656 豆包 App 上线博物馆讲解功能
5月18日，豆包 App 在国际博物馆日上线“博物馆讲解”功能，用户点击对话框内按钮即可通过视频通话获得展品自动识别与个性化讲解。该功能支持轻声提问和“边走边听”模式，无需逐次交互。目前，豆包已合作覆盖中国国家博物馆、浦东美术馆等20余家博物馆和美术馆，并与其中5家机构达成深度合作，成为其重磅展览的官方AI讲解员。
- Rohan Paul@rohanpaul_aiAI 评分6363引用Thinking Machines@thinkymachines
People talk, listen, watch, think, and collaborate at the same time, in real time. We've designed an AI that works with people the same way. We share our approach, early results, and a quick look at our model in action. https://thinkingmachines.ai/blog/interaction-models
IT之家·人工智能AI 评分6464 古尔曼：全新苹果 Siri 支持自动删除聊天记录功能
据彭博社报道，苹果将在下月WWDC上发布全新的独立Siri应用测试版，并随iOS 27正式推出。新版Siri核心升级包括：采用谷歌Gemini大模型增强能力，但数据处理在苹果私有云端进行，以保护隐私；支持聊天记录自动删除功能，用户可设置30天、1年或永久保留；提供全新对话界面和短信样式的列表界面；新增全局快捷手势一键唤起。即使秋季正式推送，该版本仍将保留测试版标识，用户可选择退出测试体验。
IT之家·人工智能AI 评分5252 小米卢伟冰：miclaw 不会取代小爱同学，未来会合体赋能
小米卢伟冰澄清，新AI交互测试产品miclaw不会取代小爱同学。未来miclaw将与超级小爱合体，将其能力融入小爱中，从而赋能并增强小爱的功能。用户界面仍为超级小爱，但后台将获得miclaw的支持，使其变得更聪明、更能干。Xiaomi miclaw基于小米MiMo大模型构建，是国内首款手机端AI智能体应用，已于3月6日上线并开启小范围封测。
The Decoder：AI NewsAI 评分4444 OpenAI收购了以模仿名人而闻名的声音克隆初创公司Weights.gg
OpenAI已完成对小型初创公司Weights.gg的收购，该公司此前以提供泰勒·斯威夫特、唐纳德·特朗普等名人AI声音克隆服务而知名。约六人规模的团队现已加入OpenAI。不过，OpenAI明确表示暂无计划将此项技术作为独立产品向公众发布，此次收购主要着眼于团队与技术整合。
IT之家·人工智能AI 评分4848 OpenAI 低调收购声音克隆平台 Weights.gg，整合 AI 语音技术并应对版权争议
OpenAI 于今年早些时候低调收购了AI声音克隆初创公司Weights.gg，获得了其全部知识产权和约六人团队。Weights.gg的平台允许用户创建AI语音翻唱和进行文本转语音，其社区模型库包含大量未经授权的名人声音模型。OpenAI自身已开发出仅需15秒音频即可克隆语音的Voice Engine技术，但因滥用担忧尚未广泛开放。公司正将语音技术整合进商业化产品，并调整业务以聚焦创收。此次收购也使其更深地卷入声音克隆技术引发的版权争议之中。
IT之家·人工智能AI 评分4545 追觅推出 AI 录音名片 D・NOTE：支持一键录音后 AI 转写总结，899 元起
追觅发布了一款名为 D·NOTE 的 AI 录音名片，主打一键录音、转写和总结功能。产品重30克，支持145种语言的在线秒速转写，并内置超过1800个中文模板以智能匹配总结。它还具备说话人识别功能，最大工作距离5米，最多可识别35人。此外，该设备支持NFC传输电子名片，内置电池提供最长30小时续航。产品提供8GB和64GB两个存储版本，首发价分别为899元和999元。