#语音模型

语音对话延迟压到 1 秒内，综合分超 GPT-Live-1，Tesla 车机已在用，做语音应用可对比价格。

Blognone@arjin3 个信源在谈原文

xAI 语音模型接电话能真办事：改签航班成功率 71.6%，比 OpenAI 快 40%，还更便宜。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

xAI 的 Grok Voice 3.0 登顶语音对语音榜单，延迟还降了 40%，做 AI 客服的可以拿去测测。

TestingCatalog@testingcatalog原文

实时语音选型可以看这份对比，Grok Voice 3.0 单任务 $0.025，比 GPT-Realtime-2.1 便宜一半多。

@cb_doge@cb_doge11 个信源在谈原文

Grok Voice 3.0 登顶语音对语音榜，任务成功率 94.8% 全场最高，价格没涨。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Claude 手机 App 里藏了个 Preview 版语音入口，还多了个把语音数据拿去训练的开关。Anthropic 大概是想自己搞语音模型，给写代码和主动助手用。

TestingCatalog@testingcatalog11 个信源在谈原文

Google 把语音助手那套转写接力砍掉了，Gemini 3.8 Live 一个模型直接听直接答，还便宜到每小时 0.84 美元。

DeepLearning.AI@DeepLearningAI原文

Podonos的OnepinAI语音模型能自动处理日期歧义，直接修正发音错误，实现脚本到配音的一站式转换。

rohanpaul_ai@rohanpaul_ai原文

ElevenLabs新v4语音模型，笑语音准，长音频一致，Turbo响应快150ms，已超Gemini。

官方账号Decoder@Jonathan Kemper原文

Meta Connect 快开了，传闻要开源 Muse Spark、上 Muse Video API，还有 Meta Glasses 版 Muse，消息量不小。

TestingCatalog@testingcatalog原文

谷歌出了个新语音模型，叫Gemini 3.8 Live，能一边说一边想，支持97种语言实时翻译，还能调用工具，比之前的好用。

Techsauce@ Techsauce Team 原文

OpenAI出了个叫GPT-Live-1的语音模型，能一边听一边说，还能随时打断，每分钟才0.05美元，比之前好多了。

AI Will@FinanceYF511 个信源在谈原文

腾讯开源的音频模型 AuK，能生成语音，但中文发音像老外，挺有意思的。

宝玉@dotey原文

鱼音频发布了S2.1 Pro Free，成了OpenRouter上语音模型第一，比谷歌等公司模型都强。

Fish Audio@FishAudio原文

Eleven发布的v3对话模型，能让开发者做多语言语音项目更灵活，比之前的版本支持的语言种类更多啦。

官方账号ElevenLabs@elevenlabsio原文

阶跃星辰把手机业务拆出来独立运营，还要用语音模型API打海外市场，STEPX Neo手机同步出海，两条线一起走。

Smallest.ai拿了1300万美元做超快语音AI，目标是让AI打电话像真人一样，连图灵测试都要过，挺有意思。

techcrunch@Marina Temkin原文

Sarvam AI 要搞万亿参数模型，还发布了两个语音新模型，目标对标编程和科研领域。

SpaceXAI刚发的Grok Voice Think Fast 2.0，语音转语音又快又准，一分钟才8分钱，比上一代强了一大截，还支持24种语言，适合做语音助手。

xAI新版语音模型，对话更聪明、转写更准，适合语音交互场景。

官方账号xAI@xai2 个信源在谈原文

语音界大动作：ElevenLabs 要在班加罗尔开峰会，10 月 6 日首秀新模型，还有现场 Demo，搞语音和 Agent 的别错过。

官方账号ElevenLabs@elevenlabsio原文

微软自己训练的新图像和语音模型，不用别人蒸馏，已经在Bing和PPT里用了，GPU成本降了八成多，价格也公开了。

微软新语音模型MAI-Voice-2-Flash，跑得快还便宜32%，支撑企业呼叫中心，GPU成本能砍89%。

Mustafa Suleyman@mustafasuleyman原文

Codex 马上要推实时语音模式了，跟 ChatGPT 新版语音很像，而且正好撞上 Opus 5 发布，摆明了要抢头条。

官方一手歸藏(guizang.ai)@op741810 个信源在谈原文

OpenAI出了个GPT-Live，能边听边说实时纠正语法，还能调后台GPT-5.5推理，比Siri强多了。

小互@imxiaohu11 个信源在谈原文

OpenAI 把 ChatGPT 语音升级成全双工了，能一边听你说话一边插嘴，同传演示挺惊艳。就是刚上线有人嫌它“嗯嗯”太吵，你可以试试调低推理强度或者换语音角色。

宝玉@dotey11 个信源在谈原文

OpenAI 出了个专门的语音模型 GPT-Live，今天开始在 ChatGPT 里逐步推送，聊天能更自然了，试试开声音。

AI Will@FinanceYF511 个信源在谈原文

OpenAI 出了 GPT-Live，能边听边和你对话，遇到难题自动调 GPT-5.5，还能实时显示卡片，比 Siri 强多了。

小互@imxiaohu11 个信源在谈原文