前 Plaud 高管为 AI 助手 Ambi 融资 $26 million 并发布应用
前 Plaud 高管 Peter Mo 创办的 Ambi 融资 $26 million，并推出 iPhone、Mac 和 Apple Watch 应用。用户可选择让应用全天聆听以捕捉上下文，AI 智能体则希望在会议进行中主动提供建议或相关知识。Ambi 称环境数据采集默认关闭、用户可随时关闭，且不存储录音并会加密数据；但向他人告知环境采集的责任仍由用户承担。
技术方向
语音与音频 最新动态
AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
30 条精选近 30 天 28 条共收录 31 条
更新
精选归档 · 第 2 页
TechCrunch · AI精选AI 评分5151
TechCrunch · AI精选AI 评分3838 这些高管认为语音 AI 尚未迎来自己的 ChatGPT 时刻
PolyAI CTO Shawn Wen 和 Otter CMO Alex Gay 认为，语音 AI 尚未迎来类似 ChatGPT 的突破时刻；全双工模型已能边听边说，但仍需提升推理速度、语音自然度和识别准确性。两人还强调，语音 AI 应让用户知道自己正在与 AI 对话或被录音，并通过可靠表现建立信任。
华尔街见闻·A股快讯精选AI 评分5252 陌生来电为何建议先沉默三秒？国家安全部提示防范AI声纹克隆
国家安全部提醒，接到陌生来电可先沉默三秒，以降低语音样本被用于AI声纹克隆并冒充身份诈骗的风险。不法分子可能诱使接听者回应“喂”或“哪位”；若对方也持续沉默，应及时挂断。
36氪精选AI 评分3939 超110台中国AR眼镜为WTTC全球峰会提供实时翻译服务
亮亮视野研发的AR+AI会议翻译系统，调度110余台中国AR眼镜为WTTC第26届全球峰会多场会议提供实时翻译。参会者可通过眼前字幕理解不同语言发言，无需使用传统同传耳机；系统还服务了年度会员大会、MembersCircle及峰会主会场。
Hugging Face Blog精选AI 评分5252 TII 发布阿拉伯语语音识别模型 Falcon-ASR
Technology Innovation Institute（TII）发布 1.6B 参数的语音识别模型 Falcon-ASR，重点支持阿联酋方言，并支持英语、法语、西班牙语和葡萄牙语。
AWS Machine Learning Blog精选AI 评分4343 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行礼宾
AWS Machine Learning Blog 展示如何在航空应用中用 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases 构建语音旅行礼宾。方案通过 MCP 连接后端工具，支持查询行程、改座位、更新餐食偏好、回答政策问题，并可转接真人客服。
Hugging Face Blog精选AI 评分5050 Open TTS Leaderboard：面向多语言 TTS 与语音克隆的可扩展评测
Hugging Face 推出 Open TTS Leaderboard，用客观指标评估开源多语言 TTS 和语音克隆模型，覆盖可懂度、速度和说话人相似度。评测使用 WER/CER、H200 GPU 上的 RTFx、H200 GPU 和 CPU 上的 TTFA，以及 WavLM 嵌入向量 SIM，可将模型评估从数周缩短到数小时。
Google DeepMind精选AI 评分7373 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar
Google DeepMind 推出 Gemini 3.8 Live with Live Avatar，为 Gemini 的对话 AI 带来近实时视觉形象，并已在 Gemini Enterprise 提供。
推荐理由：原文给出实时视频形象、多语言同步和异步工具调用，便于评估企业对话智能体的交互变化。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文本转语音模型，用于生成更具表现力的音频。
推荐理由：原文列出语音定制、复刻、安全标识和开放渠道，便于判断新 TTS 模型的应用边界。
Google DeepMind精选AI 评分8686 Google DeepMind 推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，用于近实时推理、语音智能体和更自然的 AI 对话。
推荐理由：原文同时给出语音模型能力、评测结果和开放入口，便于判断其在语音智能体中的适用场景。