AI 语音代理
延迟降到百毫秒级，语音才谈得上像对话。端到端语音到语音跳过了 ASR 到 TTS 的哪几道转换，轮次管理与工具调用又怎么让语音从会说话走到会办事，一并讲清。
旧链路先转文字再播报，延迟高、一打断就乱；端到端语音到语音把三步合成一步，Chroma 1.0 的响应压到 150 毫秒内，Step-Audio-R1.1 首帧约 1.51 秒。剩下两件事决定体验：轮次管理判断何时接话、何时继续听；工具调用让语音接着查、筛、预约。标准从声音像不像人，变成任务有没有办成。
ElevenLabs 发布 Eleven Realtime：470 毫秒开口，语音推理 98.8 分
ElevenLabs 在 2026 年 10 月 20 日发布 Eleven Realtime 语音到语音模型家族，要改掉语音智能体沿用多年的老架构：过去一条语音回复要先过语音识别、再过大语言模型、最后过语音合成，三段拼接，慢和错都在接缝处累积；Eleven Realtime 改为单个原生语音模型直...
Admin
114 
Ming-3.0-tts 开源：蚂蚁的语音模型能笑能叹气，还会说川渝话
Ming-3.0-tts 是蚂蚁集团 inclusionAI 团队开源的语音合成模型系列。2026 年 10 月 19 日，推理代码、模型权重和完整评测表同步出现在 GitHub 的 inclusionAI 组织下，采用 MIT 协议，权重同步上架 Hugging Face 与 ModelScope...
Admin
105 
智能投影仪值不值得买？自动校正很省事，亮度短板先认清
智能投影仪值不值得买，先看你家那面墙和那间屋子的光：它最擅长的是免调试——开机自己对焦、自己把画面摆正，搬个位置不用再折腾半天；它最补不上的短板是亮度，屋子里光线压不住，再聪明的校正也投不出通透的画面。把这两件事分开判断，这钱该不该花基本就清楚了。 真卖点：省的是每次摆位的调试 带感知镜头的机型能自...
Admin
80 
Inworld 实时推理上线：消费级应用拼的不只是模型，还有每轮对话的成本
Inworld 实时推理服务在 2026 年 10 月 14 日通过 Business Wire 发布上线：这家主攻消费级实时 AI 的公司推出自营推理服务，把优化过的开源模型、缓存感知路由和按模型调校的解码打包进一个兼容 OpenAI 接口的 API，并可通过其 Realtime Router 与...
Admin
87 
Grok Voice 3.0 登顶语音榜：86.9 分背后，xAI 先把客服电话打透了
Grok Voice 3.0 是 xAI 在 2026 年 10 月 14 日发布的语音对语音模型，当天起通过 Voice Agent API 上线，价格与上一代持平。它在 Artificial Analysis 的语音对语音指数中以 86.9 分排到第一。比起名次本身更值得看的是 xAI 给出的落...
Admin
129 
ElevenLabs 声音克隆走进英国上议院：议员用十年前的嗓音发言
ElevenLabs 的声音克隆技术在 2026 年 10 月 13 日走进了英国议会。当天，上议院议员 Baroness Campbell of Surbiton 在一场健康法案辩论中，先用自己借助呼吸机发出的自然声音做开场，随后切换到 ElevenLabs 为她重建的嗓音读完发言——这是英国议会...
Admin
123 
Apple HomeView 发布：299 美元的带屏中控，Siri AI 第一次住进客厅
Apple HomeView 于 2026 年 10 月 13 日由 Apple 在 Newsroom 新闻稿中正式推出：这是一台带 7 英寸 Liquid Retina 显示屏的智能家居中控，售价 299 美元，当天起在澳大利亚、加拿大、印度、新西兰、英国和美国开启预订，11 月 13 日上市，另...
Admin
136 
Apple 与 Huxe 达成人才与授权协议：NotebookLM 创始团队转投音频 AI
Apple 与 Huxe 的协议在 2026 年 10 月 9 日被媒体从欧盟委员会《数字市场法》透明数据库中翻了出来：按这份备案，Apple 有权向 Huxe 的部分员工发出录用要约，并获得这家 AI 音频初创公司知识产权的非独占许可。这不是整体收购，Huxe 作为公司并不易主，但人和技术的使用权...
Admin
107