NaturaAI 推出一款指环式 Agent 控制设备，通过按住说话、松开发送的交互，把请求直接发给 Claude Code、Codex、Hermes 等已连接的 Agent。作者认为个人 Agent 已足够成熟，瓶颈在于下达任务，掏手机打字会打断专注，更简洁的无屏接口是下一步方向。

一次微调就让孟加拉语的WER从85%降到7.65%。 这样的数字就是为什么一周内有80家实验室申请授权Monsoon。我最尊重的是其背后的规则：@voicearena_ai 只有在数据集能带来显著提升时才会构建。大多数数据供应商做不到这一点。

对于弱语言的 ASR（自动语音识别），更多训练数据往往胜过更大的模型。 @voicearena_ai 的孟加拉语结果就证明了这一点，Monsoon 是其 ASS 语料库。 在 Monsoon 上微调的 Whisper Medium，在孟加拉语 FLEURS 上的 LLM 词错误率从 85.27% 降至 7.65%。 Medium 是 769M 参数的 Whisper。足够小，可以低成本部署，在许多场景下也足够小，可以靠近用户运行。

我从未见过这样的东西。AI 语音技术发展得太离谱了。 Drama 3 是模型对语言方向展现出的最强控制力。 它能在同一句话中改变语气，拥有类似人类说话的语音控制。我试了这个功能，效果好得难以置信。 不妨试试 @FishAudio。

smallest AI 在 VoiceArena 的说话人分离（diarization）+ ASR 基准上夺得第一。该基准让模型听远场房间音频，但用每位说话人身上单独佩戴的麦克风所建标签来评分，实现"真实输入 + 精确 ground truth"的组合。作者指出许多 diarization 基准要么用干净音频、要么标签粗糙，VoiceArena 两者都避免，因此这个第一含金量高。

我以前整天坐在办公桌前。 现在我用语音在阳光房里发演示。☀️

Ethan Mollick：AI 智能体将用语音/聊天替用户谈判，客服系统面临冲击

Ethan Mollick 指出，各公司的客服智能体即将被 Dots & Muses 等 AI 智能体淹没，它们通过语音/聊天为用户争取更优价格。人们把这类工作交给智能体并省下钱的案例正在涌现，并将愈发病毒式传播。这些智能体可使用为人类搭建的渠道，忍受电话树、等待接通或被拒后反复重试。

这事正在发生！