jason@jxnlcoAI 评分4747OpenAI Codex 在已有线程中上线语音功能，可在桌面端任意线程开启。用户可与编写 PR 的智能体语音讨论、辩论架构或商量后续计划，沟通结束后让智能体继续工作。
Voice is now available in your existing Codex threads. Talk through a PR with the agent that wrote it, debate the architecture, or work out what comes next. You can jump into voice whenever something needs a back-and-forth, then let the agent keep working once you’ve figured it out together.
Ugreen 在 IFA 展会发布 HomeAgent 智能家居平台，将 NAS、监控 NVR 和端侧 AI 整合到一个中枢中，由语音助手 Uliya 管理，宣称数据全部本地处理、无月费。
人人影视更名为“人人影视分享精彩”，App 已在安卓端上线、iOS 端筹备完成，运营方为分享精彩网络科技（嘉兴）有限公司，负责人李渊敏称本月起点对点推广、力争激活 3000 万存量用户。平台依托 7 万余集影视素材样本打造 AI 影视本地化技术，实现角色音色克隆，计划覆盖 50 余个国家和地区，优先面向东南亚输出国产影视内容，片源与华数传媒合作正版购买，目前处于前期公测、月底正式发布。
微软 9 月 3 日发布语音转文字模型 MAI-Transcribe-2，称其是自家最快、最准确、最便宜的转录模型，支持 60 种语言。
Google 开始向全球移动端推出 Gmail Live、Docs Live 和 Keep Live 三项 AI 语音功能，支持免手操作查询信息、总结和转录。Gmail Live 可从收件箱口头回答问题并附邮件来源链接，Docs Live 能把口述需求整理成结构化文档并可在授权后调用 Gmail、Drive、Chat 和网页信息，Keep Live 支持自然语言记录笔记。
Microsoft AI 发布转录模型 MAI-Transcribe-2，称其在 FLEURS 基准 60 种语言上平均词错率 5.2% 排名第一，并占据 Artificial Analysis 准确率-延迟 Pareto 前沿。
推荐理由：官方给出具体基准排名、对比速度倍数和定价，读者可以据此评估它对现有语音转写方案的可替换性。
Artificial Analysis@ArtificialAnlysAI 评分5656Meta Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe，将流式 ASR、20+ 说话人的说话人分离和端点检测合并为一个自回归模型，无需后处理。
Elon Musk@elonmuskAI 评分5050Grok 在语音对话模式中上线屏幕共享功能，用户可将浏览器中的画面共享给语音模型，由其实时看到屏幕内容并逐步讲解指引。引用用户反馈称该功能运行效果很好。
Dude WTF? When the F did @SpaceXAI release this feature? In voice conversation mode, you can share your screen with the voice model, and it can see everything you're doing in the browser/talk you through anything you want? How did I miss this? This is amazing. It works so well.
Meta 推出首个实时音频感知模型 Muse Voice Transcribe，整合流式语音识别、说话人分离与端点检测，可通过 Meta Model API 调用，定价每 1000 分钟音频 3 美元。
Google 发布八月 AI 更新汇总：推出面向编码和 Agent 的工作模型 Gemini 3.7 Flash，价格为 Gemini 3.6 Flash 推出价的一半每百万 token。
Artificial Analysis@ArtificialAnlysAI 评分6161
Rohan Paul@rohanpaul_aiAI 评分6060Muse Voice Transcribe is MSL's first real-time audio perception model -- rolling out today. SOTA in streaming speech-to-text, it handles speaker diarization, and endpointing natively in a single model.
Sonos于9月1日发布Beam Ultra回音壁、Ace Ultra头戴式耳机及音频操作系统Sonos 27。Sonos 27包含自研语音助手Sonos 27voice（今年秋季抢先体验）和可接入ChatGPT、谷歌Gemini的Sonos 27mcp（9月8日开放），未来还将支持最多创建10个自定义AI智能体（2027年提供）。
深圳 AI 纪要硬件企业机智连接（Plaud）上周宣布推出 AI 纪要 TWS 耳机 Plaud One，内置 4G LTE eSIM，定价 249.99 美元（约合 1,684 元人民币），限量 2000 台。
Gradium AI 于 2026 年 8 月 31 日发布新 TTS 模型并设为 API 和 Studio 的默认选项，无需迁移，现有声音包括自定义克隆继续可用。
Meta Superintelligence Labs 发布 Muse Voice Transcribe，称其为首个实时音频感知模型，提供流式 ASR、最多 20+ 说话人的 diarization 和 endpointing。
推荐理由：原文给出流式 ASR、说话人分离和自适应延迟的技术细节与架构说明，读者可以了解其实时语音感知的实现方式。
OpenBMB@OpenBMBAI 评分4747Just days after the v1.0 release, OpenMAIC climbed to #1 on GitHub Trending—and the momentum hasn’t stopped. 🚀 Now past 25.7 stars and still growing. To every educator, learner, developer, and contributor supporting open, AI-native learning: we’re grateful to be building this with you. https://github.com/THU-MAIC/OpenMAIC
DogeDesigner@cb_dogeAI 评分4949语音智能体的真实体验取决于首句延迟（TTFS）而非首 token 延迟（TTFT），后者仅标记生成开始，TTS 模型需等完整句子才能发声。评测覆盖 LLM、STT、TTS 及语音到语音全链路，并给出各层延迟预算：STT 约 100–200ms、LLM 300–500ms、TTS 100–200ms，端到端目标 700ms–1.2s。
随着生成式AI工具渗入电子舞曲（EDM）领域，以26岁制作人Max “H4RRIS” Harris为代表的一批音乐人正通过视频公开点名，指认那些疑似用AI生成音乐冒充人类创作的同业。Harris认为AI音乐是“诱饵艺术”，并指出Suno生成曲目常出现人声与旋律同时卡顿、背景嘶声等可辨识特征，但他对MANSA等具体作品的指控目前尚无确凿证据。
Voice Arena 与 Hugging Face 合作，为 Open ASR 排行榜引入 Monsoon en-IN 和 Monsoon hi-IN 两个评测集，覆盖印地语与印度英语，其中印地语是该排行榜多语言板块首个非欧洲语言。数据集含公开与私有分割，共 4,888 位说话人，并记录 12 项说话人属性，旨在暴露按地区、年龄、性别等维度分布不均的语音识别误差。
推荐理由：把评测单元从单一 WER 下探到带 12 项说话人属性的分组，能暴露模型在不同地域、口音、设备上的表现差异，让 ASR 选型不再只看平均错误率。
Google AI@GoogleAIAI 评分4141Google 本周发布 Gemini 3.5 Transcribe，号称最精准的语音转文字模型；同时推出 Gemini Omni 1.1 Flash，增强视频生成与编辑能力。
Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型，主打快速、准确且低成本的转录，原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1,000 个领域术语避免专有名词拼写错误，并提供 Smart Transcription 与 Verbatim 两种模式。
推荐理由：逐字模式保留毫秒级时间戳和说话人分离，智能模式清理填充词但可能改写原文，两者取舍决定字幕同步和会议记录应选不同配置。
Google 发布 Gemini 3.5 Transcribe 语音转文本模型，通过 Interactions API 和 Live API 分别提供预录文件与双向流式处理。
Google Gemini@GeminiAppAI 评分5353Gemini Live 新增生产力升级，带来智能体能力，让你用语音完成更多操作。 现在，你可以通过语音与 Gemini 对话，收听每日简报、处理邮件分类，或从 Spark 获取帮助。
Plaud 推出新款耳机 Plaud One，其耳机盒支持 eSIM 卡，用户无需手机或电脑即可远程指挥 Plaud 的 AI 智能体。耳机配备 12mm 驱动器和主动降噪，单次充电可录制 6 小时会议或 3 小时通话，配合耳机盒总录制时长可达 25 小时。该设备现以 249 美元开启预购，预计 2026 年第四季度发货，每月附赠 300 分钟免费转录额度。
Plaud 发布 AI 可穿戴设备 Plaud One，以耳机形态替代此前的别针设计，支持录音、转写和对话摘要。售价 249.99 美元，今日起在部分市场开启预售，预计 9 月底发货。耳机内置 4G 的充电盒可不依赖手机或 Wi-Fi 独立处理对话，并集成 Plaud Agent，原生对接 Gmail、Google Calendar、Notion 和 Slack 等工具。
Google 推出 Gemini 3.5 Transcribe 语音转文字模型，支持 85 种以上语言，可自动去除“um”等填充词、纠正口误并自动排版。流式转录词错误率为 4.0%，录音音频为 2.6%，延迟较前代 Chirp 3 降低 70%。
谷歌今日宣布对 Gemini Live 进行重大升级，新增多项以提升生产力为核心的集成功能。该应用现可与 Spark 个人 AI 智能体（AI Pro 及更高版本）集成，通过自然语音指令在网页、Google Drive、Docs 和 Sheets 中设置多步骤任务，并深度整合电子邮件与每日简报（Daily Brief）。
滴滴在第十八届国际交通技术与设备展览会上展示新一代 Robotaxi R2，该车型由滴滴自动驾驶与广汽埃安联合打造，搭载 33 个传感器融合的硬件平台及行业首个量产三域融合中央计算大脑，GPU 算力超 2000TOPS。截至 2026 年 6 月 30 日，滴滴充电智能网络已覆盖全国 290 多座城市，连接超 7.4 万座充电站，并展出输出功率最高 1600kW 的液冷超充桩。
