Voice技术作为人工智能领域的重要组成部分，正在经历从文本交互向更自然语音交互的转变。近期，各大科技公司纷纷推出新型语音合成模型和语音助手，推动语音技术向更自然、更个性化的方向发展。
Voice 近期进展
ElevenLabs在10月推出的Eleven v4 Turbo语音合成模型登顶语音TTS排行榜，价格减半至每月5美元，大幅降低了高质量语音合成的使用门槛。ElevenLabs 的 Eleven v4 Turbo 登顶语音 TTS 排行榜，价格减半
Microsoft于10月初发布MAI语音模型系列，包括实时语音转录模型Transcribe-2-Streaming，支持低延迟语音转文本功能，并于10月中旬将该模型部署至Vercel平台。Microsoft发布MAI语音模型系列 Microsoft 发布实时语音转录模型 Transcribe-2-Streaming
用户反馈显示，ChatGPT语音助手个性被削弱，许多用户呼吁恢复自定义人格与音色功能，反映了市场对语音助手个性化需求的增加。用户吐槽 ChatGPT 语音助手个性被削弱，呼吁自定义人格与音色
当前焦点与观察点
语音技术正朝着更自然、更个性化的方向发展。Microsoft的MAI模型系列展示了语音技术与实时转录能力的结合，而ElevenLabs的价格策略则表明语音合成市场正进入竞争加剧阶段。
用户对语音助手个性化的需求日益凸显，这可能成为未来语音技术发展的重点方向。同时，语音Agent的错误问题研究表明，问题可能不在语音识别(STT)技术本身，而在于说话人干扰等因素。语音Agent错误不在STT而在说话人干扰
随着Gemini免费用户计划调整至仅保留Flash-Lite版本(10月9日起)，语音服务可能成为付费用户的重要增值功能，进一步推动语音技术的商业化进程。每日AI简报：Gemini 免费用户 10月9日起仅剩 Flash-Lite