ElevenLabs 发布 v4 语音模型，表达力与长文本一致性提升并推出 Turbo 实时版本
ElevenLabs 发布 Eleven v4 语音模型，更准确地跟随情感、停顿等方向提示，支持超过 90 种语言（v3 约为 70 种），单次可处理 10,000 字符，发音基准得分从 v3 的 85.6% 升至 91.7%。
#语音
The Decoder：AI NewsAI 评分6565 
ElevenLabs@ElevenLabsAI 评分4848在 ElevenAgents 中，Eleven v4 Turbo 与我们领先的转录和轮次转换模型协同工作。一个协同优化的技术栈意味着智能体响应更快、打断更自然，并随着新模型的发布而持续改进。
Inception Labs：Blog精选AI 评分6060 Inception Labs 发布扩散语音模型 Mercury Voice
Inception Labs 推出面向语音智能体的扩散大语言模型 Mercury Voice，面向企业客户开放。
推荐理由：原文给出具体的延迟、基准和定价数据，读者可以据此评估扩散语音模型在实时语音智能体场景的取舍。
MarkTechPostAI 评分7272 阿里 Qwen 发布 Qwen-Audio-3.1-Realtime 全双工语音模型，支持工具调用与说话时机决策
阿里 Qwen 团队发布 Qwen-Audio-3.1 系列 5 个音频模型，主力为面向语音智能体的全双工模型 qwen-audio-3.1-realtime-plus，通过 QwenCloud API 以 WebSocket 提供，未开源权重，并对 Realtime、TTS、ASR 分别降价约 85%、70% 和最高 95%。
IT之家·人工智能AI 评分6464 ElevenLabs 推出 v4 和 v4 Turbo 语音模型：支持 90 余种语言，10 秒素材即可克隆声音
ElevenLabs 于当地时间周一发布 v4 与 v4 Turbo 两款语音模型，强化情绪表达控制、降低响应延迟，语言支持从 70 种提升至 90 余种，用户仅需 10 秒音频素材即可完成声音克隆。
Rohan Paul@rohanpaul_aiAI 评分4646VoiceArena 推出 Monsoon，一个覆盖 50 种语言、基于 23 国无脚本对话构建的语音数据集。
引用Shobhit Banga@shobhitbangaIntroducing Monsoon ASR ⚡️ @voicearena_ai Speech recognition does not have a model problem anymore. It has a data problem. The best ASR systems are approaching human-level performance in English. But move into the long tail of the world's languages, especially real,
TechCrunch：AIAI 评分4545 祖父被 AI 深度伪造语音诈骗后，Tarini Padmanabhuni 创办 DetectifAI 做端侧检测
Tarini Padmanabhuni 因祖父被 AI 深度伪造语音冒充其兄弟骗走赎金，创办旧金山公司 DetectifAI，做可在手机操作系统内本地运行的紧凑 AI 模型，在通话和语音消息中即时判断声音是否为 AI 生成，音频不出设备。
Artificial Analysis@ArtificialAnlysAI 评分6161
TechCrunch：AIAI 评分4444 Modulate 融资 2500 万美元，用小型模型阵列做语音转录、情绪分析与深伪检测
波士顿语音智能初创公司 Modulate 完成 2500 万美元新融资，由 Future Ventures 领投，Hyperplane 和 Lakestar 参投。
ElevenLabs：Blog精选AI 评分7575 ElevenLabs 发布最富表现力的 Eleven v4 及低延迟 Turbo 版
ElevenLabs 发布语音合成模型 Eleven v4 及低延迟变体 Eleven v4 Turbo。
推荐理由：官方完整披露了新 TTS 模型的情绪控制、延迟数字、多语言和克隆能力，读者可据此评估是否切换现有语音方案。
The Decoder：AI NewsAI 评分5656 Nvidia 发布开源语音分离模型 Nemotron 3 Diarization，实时区分最多八位说话人
Nvidia 发布约 100M 参数的 Nemotron 3 Diarization 模型，权重免费开放，可实时区分最多八位说话人并检测重叠语音，支持录音和实时音频。
404 MediaAI 评分6363 Caleb Flynn 谋杀案庭审播放其为情人生成的 AI 情歌
在 Caleb Flynn 被控杀害妻子的庭审中，检方播放了这名前 American Idol 选手用 AI 为情人生成的两个版本情歌。取证人员 Joseph Wilhelm 作证称，使用 GrayKey 的 Magnet 工具对 Flynn 的 iPhone 进行完整文件系统提取后，发现了 AI 音频文件和 Notes 应用中的歌词。
The Decoder：AI NewsAI 评分5252 Google 测试 Call for Me 功能，Gemini 可代替用户致电商家
Google 正在测试 Call for Me 功能，让 Gemini 代表用户致电商家处理订位、改约或查询库存等任务。目前仅限美国 Pixel 11 用户使用，需要付费 Gemini 订阅和 Phone 应用测试版；AI 会通过语音菜单、等待接听，并用用户自己的号码拨出，用户可通过实时转录查看通话并随时接管。
Meta：Newsroom · AI精选AI 评分6666 Meta 在 Connect 2026 发布 Muse 上眼镜、VR Glasses 及多款 AI 眼镜新品
Meta 在 Connect 2026 宣布将个人 AI 智能体 Muse 带入 AI 眼镜，并新增 Walmart、Sephora、GitHub、Instacart 等更多 connectors，Muse 还将拥有自己的邮箱地址。
推荐理由：原文汇总了 Muse 上眼镜、VR Glasses、新款 AI 眼镜及听力辅助等多项发布细节，可了解 Meta 硬件与个人智能体的落地节奏。
TechCrunch：AIAI 评分5858 ElevenLabs CEO Mati Staniszewski 访谈：公司据报道估值 220 亿美元、ARR 达 6 亿美元
TechCrunch 刊发对 ElevenLabs 联合创始人兼 CEO Mati Staniszewski 的访谈，公司年经常性收入达 6 亿美元，55% 以上来自企业客户，据报道称投资人估值 220 亿美元。
Philipp Schmid@_philschmid精选AI 评分6969引用Philipp Schmid@_philschmidhttps://x.com/i/article/2103140786292269056
推荐理由：原文给出录制片段、API 创建与调用的具体步骤和可复用提示词，方便读者快速试用自己的语音复刻。
- Philipp Schmid@_philschmid精选AI 评分7171
推荐理由：原文给出录制、授权、创建声音和迁移提示词的完整步骤，读者可直接照做复现自定义 TTS 语音。
Tencent Hy@TencentHunyuanAI 评分5656IT之家·人工智能AI 评分7171 OpenAI 为 ChatGPT 移动端新增语音智能体功能，可语音撰写文档、总结邮件
OpenAI 宣布 ChatGPT 移动端新增基于语音的智能体功能，用户可通过说话完成撰写文档、总结电子邮件等工作。Pro 和 Plus 订阅用户可用"工作"创建文档、写邮件、总结 Slack 消息，还能创建网站、制作 PPT、使用云端浏览器；Free 和 Go 用户可使用插件和已连接的应用，Plus 用户可在文本和语音间切换，或从手机转到电脑继续。
The Verge：AIAI 评分6060 Meta 在 Connect 2026 发布无摄像头的 Ray-Ban Meta Audio Glasses 并更新 Gen 3 眼镜
Meta 在 Meta Connect 2026 上推出无摄像头、内置 Meta AI 的 Ray-Ban Meta Audio Glasses，起价 349 美元，重量从 43 克起，续航约 12 小时，支持通话、听播客和音乐。
Simon Willison 博客AI 评分6464 Google 发布 Gemini 3.8 TTS 模型，Simon Willison 搭建语音 Playground
Google 发布两个新 Gemini 文本转语音模型 gemini-3.8-flash-tts 和 gemini-3.8-flash-lite-tts，提供超过 2,000 个声音库，并支持用 30 秒音频样本创建自定义声音。
MarkTechPostAI 评分5757 Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS，支持提示词语音设计
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，已通过 Gemini API 和 Google AI Studio 提供。
- Rohan Paul@rohanpaul_aiAI 评分7070
The Decoder：AI NewsAI 评分7272 ChatGPT Voice 升级并首次接入邮件、日历和 Slack 插件
OpenAI 的 ChatGPT Voice 获得重大升级，全球可用的语音功能现已运行在新的 GPT-6 Astra、Sol 和 Luna 模型上，并首次可访问邮件、日历和 Slack 等插件。
TechCrunch：AIAI 评分5858 OpenAI 在 ChatGPT 移动端推出语音触发的智能体功能
OpenAI 宣布为 ChatGPT 移动端带来语音触发的智能体功能，用户可用语音让模型起草文档、总结邮件等。Plus 和 Pro 用户可在手机 Work 标签页创建文档、草拟邮件、总结 Slack 消息，还能建站、做演示文稿、使用云端浏览器和财务功能；Free 和 Go 用户可使用插件和已连接应用。
MarkTechPostAI 评分5858 NVIDIA 发布开源说话人分离模型 Nemotron 3 Diarization，支持实时追踪 8 个说话人
NVIDIA 在 Hugging Face 发布开源权重模型 Nemotron 3 Diarization，参数量 100M，可实时追踪最多 8 个说话人并处理语音重叠，采用 OpenMDW License 1.1 许可证允许商用。
Greg Brockman@gdb同事件AI 评分7777引用OpenAI@OpenAI我们听到了你们的声音，非常清楚。ChatGPT Voice 现在可以： - 使用你的电子邮件、日历和 Slack 等插件。 - 由 GPT-6 Astra、Sol 和 Luna 提供支持。 - 在网页端和移动端的 ChatGPT Work 中使用，这样你只需开口说话，就能在浏览器中创建文档、演示文稿、网站和电子表格，或处理复杂任务。 今天起在最新版应用中面向全球逐步推出。
同一件事，精选收录的是《ChatGPT Voice 升级：可调用邮件、日历、Slack 插件并由 GPT-6 Astra、Sol、Luna 驱动》
The Decoder：AI NewsAI 评分7070 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS，可用文字描述从零设计 AI 语音
Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型，支持 100 多种语言，Flash TTS 可通过文字描述从零设计语音，并支持 30 秒样本的声音克隆（需录制同意声明），生成内容带 SynthID 水印。
Hacker News：AI 热帖AI 评分6969 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒音频样本复刻声音、逐行台词表演控制、原生双说话人场景编排，覆盖超过 100 种语言和方言。
Tibo@thsottiaux精选AI 评分7272引用OpenAI@OpenAI我们听到了你们的声音，非常清楚。ChatGPT Voice 现在可以： - 使用你的电子邮件、日历和 Slack 等插件。 - 由 GPT-6 Astra、Sol 和 Luna 提供支持。 - 在网页端和移动端的 ChatGPT Work 中使用，这样你只需开口说话，就能在浏览器中创建文档、演示文稿、网站和电子表格，或处理复杂任务。 今天起在最新版应用中面向全球逐步推出。
推荐理由：OpenAI 官方更新清晰列出语音功能的能力范围和开放时间，读者可以据此判断语音入口是否值得纳入日常工作流。
Elon Musk@elonmuskAI 评分5858引用matt palmer@mattypHere's what's new in Grok @Bot this week 0:08 Voice calls and voice memos 0:35 1Password vault for Grok Bot 0:53 Inline forms 1:07 Inline drafts for email and Slack 1:31 Account switching 1:40 Route traffic through your desktop
IT之家·人工智能AI 评分6464 谷歌发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 文本转语音模型
谷歌发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持逐行控制台词演绎、100 多种语言和 2000 多种现成语音。
Logan Kilpatrick@OfficialLoganKAI 评分6262
Google DeepMind：Blog精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计声音、30 秒样本复刻声音，并提供逐行表演指导、长时音频生成和双说话人场景编排，覆盖 100 多种语言。
推荐理由：官方介绍了两款 TTS 模型的能力细节、评测名次和开放入口，开发者可以据此评估语音生成工作流的选型。
- Artificial Analysis@ArtificialAnlysAI 评分5454
Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文生语音模型，支持预设音色和声音复刻。
Baseten 工程博客AI 评分5656 NVIDIA Nemotron 3 Diarization 上线 Baseten，实时说话人分离低至每音频小时一美分
Baseten 发布对 NVIDIA Nemotron 3 Diarization 的托管支持，这是一个约 100M 参数的流式说话人分离模型，单一 checkpoint 可在 0.32 到 30.4 秒间配置四种算法延迟。
