DeepLearning.AI 与 VocalBridge 推出语音智能体课程
DeepLearning.AI 和 VocalBridge 出了门语音智能体课，讲师 Ashwyn Sharma 带你做一个能跟玩家对话的语音游戏。想做语音交互应用或给现有 App 加语音的开发者可以看看，实战导向，直接在官网报名。
#语音交互
共 101 条 · 7 天 9 条 · 30 天 22 条
信息流里打上「语音交互」标签的资讯、产品与论文，按刊登时间排，新的在上。
11月13日
11月12日
YC 团队推出语音控制 AI 手机 Blue，跨应用保持上下文
YC 有个团队做了台语音操控的手机 Blue，不是重写系统，而是在你现有应用上跑一个智能体，能跨应用记住上下文，说句“回她周四的事”就能自动找到对话并起草回复。跟苹果 Apple Intelligence 那种单应用内助手思路不一样，适合想抢先看手机交互下一形态的人。
OpenAI 将于 2026 年 12 月 11 日下线 ChatGPT 的 Advanced 与 Standard 语音
用 ChatGPT 语音的朋友注意了，OpenAI 定了 2026 年 12 月 11 日下线 Advanced 和 Standard 语音，之后全靠 GPT-Live 一个模型撑。语音用量翻倍说明体验确实上来了，但视频和屏幕共享暂时还得靠旧版顶着，日常语音对话的人可以提前适应一下新模型。
ChatGPT 两种语音模式将于 12 月 11 日退役
OpenAI 把 ChatGPT 的 Advanced 和 Standard 语音模式定在 12 月 11 日下线，日期正好卡在 12 天发布活动里，大概率有新实时语音模型顶上。经常用语音对话的人得留意切换，做语音产品的可以盯着这次升级对比延迟和打断体验。
FishAudio 发布 Live 3：支持全双工语音的实时对话模型
FishAudio 这个 Live 3 能边听边说，不用像对讲机那样一人一句，语音智能体的打断体验会自然很多。vLLM 团队还主动喊话说开源后第一时间支持。做语音 Agent 的开发者可以先盯住它的开源动向。
11月10日
nuance_ai 发布 Emma：基于 Nuplex 的全双工视听对话模型
nuance_ai 做了个叫 Emma 的 AI 角色，能在你话说一半时就点头接话，还用表情提示轮到她。跟 Siri 那种等你说完才回的产品完全不同，底层的 Nuplex 是全双工视听模型。做语音交互、数字人产品的开发者可以看看这条演示视频。
能听能看还能说的虚拟人对话模型引关注
模型边听边看边说，你说话时它能读取你的表情，还能用眼神暗示想插话。比 OpenAI 纯语音模式多了视频和表情输出，做数字人客服或虚拟主播的开发者可以留意这个方向。
11月9日
Shizuku AI 发布全双工模型 Shizuku-Duplex，日语对话自然性居首
日本实验室 Shizuku AI 做了个日语全双工对话模型，自然性超过一票对手只输 GPT-Live，80ms 一帧还能输出动作，做陪伴类 AI 的可以看看。
IT之家原文
11月7日
Meta Muse 语音与表情头像在美国上线，并扩展至墨西哥
Meta 给 Muse 加了语音和会做表情手势的虚拟头像，脑暴、规划行程、练面试都能开口聊，美国用户先体验，墨西哥也刚开放。
11月5日
Grok Bot 新增代打电话功能，可等待人工接听并生成通话摘要
xAI 的 Grok Bot 现在能替你打电话了，排队等客服、按菜单键都行，还能看实时转录和通话摘要，目前只在美国可用。
11月4日
OpenAI 为 ChatGPT Finance 推出语音功能
OpenAI 给 ChatGPT Finance 加了语音，走路时就能聊消费和储蓄问题，不过目前只有美国用户能用。
11月3日
Hippocratic AI 发布 Polaris 6 Ultra，专注临床语音交互
Hippocratic AI 出了个专攻医疗语音的 Polaris 6 Ultra，能边说话边读患者情绪、自动调语速，做医疗对话的可以看看。
11月1日
ChatGPT 桌面端语音模式实测：响应慢、漏指令
有人实测 ChatGPT 桌面端语音模式，发现响应慢、老卡在 checking、还会漏听指令，问题出在语音模式本身，用前可以先看看。
10月29日
Perplexity 语音模式换用 OpenAI 的 gpt-live-1 模型
Perplexity 把 Mac 和网页版语音模式接上了 OpenAI 的 gpt-live-1，还能在 Perplexity Computer 里开多个会话管任务，用语音提问的可以试试。
10月26日
实时语音交互方案同时被 OpenAI 和 Gemini 选中，背后是一家中国公司
OpenAI 和 Gemini 居然用的是同一家中国公司的实时语音技术，这事挺少见，想知道内幕的可以看看。
Alibaba Cloud 将在阿姆斯特丹 Apsara 大会探讨 Qwen Audio 语音 AI 应用
阿里云 10 月底在阿姆斯特丹开 Apsara 大会，Qwen Audio 产品负责人会讲语音 AI 怎么用到工作和创作里，感兴趣可以免费报名听听。
10月23日
全双工语音模型：边说边听，中途改口也能即时响应
语音AI不用等你说完才回话了，OpenAI和Telos都在做全双工，你中途改口它会自己调整答案。
10月22日
行业10:41
Ethan Mollick：AI 语音交互或让开放式办公室更嘈杂Ethan Mollick 抛了个有意思的问题：大家都在用语音和 AI 对话，开放式办公室会不会被吵到没法待？适合边喝茶边聊聊。
10月19日
基于 MiniCPM5-2B 的 ESP32 飞机姿态指示器开源项目
把 MiniCPM5-2B 塞进 ESP32，让一块小开发板用空管语气实时播报飞机姿态，项目开源可以自己复刻。
10月15日
Grok Voice 3.0 登顶 Speech-to-Speech 榜单
Grok Voice 3.0 登顶语音对话榜，特斯拉车主每天免手用它查邮件、点咖啡。
10月6日
用户实测 Grok 语音机器人：读 Notion 待办、发日历邀请、归档邮件
有人用 Grok 语音让机器人整理 Notion 待办、回 Slack、归档邮件，连转账都能搞定，全程动嘴不动手，可以看看他怎么给的 SOP。
VoCa：让语音智能体在对话中配合画布协同表达
一个会一边说话一边画图的语音智能体 VoCa，18 个人实测五天，想知道语音交互还能怎么玩可以看看这篇。
9月30日
OpenAI Codex 终端语音交互功能上线
OpenAI 给 Codex 加了语音功能，直接在终端就能对话，比打字方便多了。
9月28日
Muse 智能体将上线专属标签页，可常驻查看 VM 屏幕并更新网页语音组件
Muse 智能体要加个专属标签页了，能一直盯着它虚拟机里的操作，网页版语音也改成了像打电话一样的小组件，用智能体干活的可以留意。
9月24日
用户分享 ChatGPT 语音模式体验：打电话即可处理邮件、写代码、管日历
有人已经把 ChatGPT 当电话打了，发邮件、写代码、管日程全靠说，连第三方插件都能语音调用，看看他怎么用的。
ChatGPT 移动端上线语音智能体功能，Plus 和 Pro 订阅用户可用 Work 标签页
OpenAI 给手机版 ChatGPT 加了语音智能体，Plus 和 Pro 用户能用 Work 页写文档、发邮件、总结 Slack 消息，还能建网站和幻灯片。
用 datasette-mcp 通过语音和博客数据库对话
Simon Willison 演示了怎么用 datasette-mcp 让 ChatGPT 语音直接查自己博客的数据库，会玩 MCP 的可以照着搭一个。
ChatGPT 手机端上线语音智能体功能，Plus 和 Pro 用户可用
OpenAI 把智能体功能搬进手机了，Plus 和 Pro 用户在 Work 标签页里动嘴就能让 ChatGPT 干活，通勤路上也能用。
9月23日
9月17日
9月16日
ElevenLabs 推出 AI 销售代表，通过语音交互提升销售效率
朋友，ElevenLabs 推出了个叫 Dom 的 AI 销售代表，用语音和人沟通，效率很高，能帮你快速筛选销售线索。
9月14日
OpenAI 推出 GPT-Live-1 API，支持语音交互
OpenAI 新出的 GPT-Live-1 API 能让你的应用有语音助手，说话时还能听，比普通聊天更智能。
ChatGPT推出语音交互API GPT-Live-1
ChatGPT出了个新API叫GPT-Live-1，能让你的应用直接用上它自然流畅的语音对话功能，开发者还能自己选模型和Harness。
GPT-Live-1 API 实现游戏实时语音交互生成世界
朋友，GPT-Live-1 API 现在能直接对着游戏说话，让它实时生成整个世界，你开口就能改变环境、创建新物品，太酷了。
9月13日
OpenAI 推出 GPT-Live-1 API，支持语音交互
OpenAI 推出了 GPT-Live-1 API，能让你在应用里实现语音交互，对话更自然流畅，和普通文本对话不同。
9月11日
OpenAI 推出 GPT-Live API，支持语音交互应用开发
OpenAI 新出的 GPT-Live API 很好用，能让你在应用里加语音对话功能，比之前只能文字聊的版本更方便。
OpenAI 推出 GPT-Live-1 API，支持语音交互
OpenAI 新出的 GPT-Live-1 API 能让你的应用里的 AI 说话时还能听，比之前的版本更自然，适合做语音助手。
OpenAI 推出 GPT-Live-1 API，支持语音交互
OpenAI 推出了 GPT-Live-1 API，支持语音交互，能让你的应用实现类似 ChatGPT 的自然对话体验，选择不同模型和工具更灵活。