Fermion AI 发布 Phonon-2 语音识别模型，164MB 体积称平均准确率超过 Whisper large
Fermion AI 发布语音识别模型 Phonon-2，下载体积仅 164MB，官方称其平均准确率超过体积约为其 10 倍的 OpenAI Whisper large。该模型可在 MacBook Air 上 20 秒转写 1 小时音频，权重以 CC-BY-4.0 协议开放。
#语音
#语音
X：Peter Steinberger (@steipete)AI 评分 ElevenLabs@ElevenLabsAI 评分
X：Suno (@suno)AI 评分 Suno Studio：录制人声即可转换为任意乐器音色，电吉他只是开始
Suno 宣布 Suno Studio 支持录制人声并将其转换为任意音色，电吉他只是其中一种示例。该功能可将用户嗓音直接变成其他乐器的声音，官方以视频演示了这一能力。
mati@matiAI 评分 ElevenLabs@ElevenLabsAI 评分 ElevenLabs@ElevenLabsAI 评分 在 ElevenAgents 中，Eleven v4 Turbo 与我们领先的转录和轮次切换模型协同工作。一个协同优化的栈意味着智能体响应更快、优雅地处理打断，并随着新模型的发布而不断改进。
ElevenLabs@ElevenLabsAI 评分 andimarafioti@andimarafiotiAI 评分 mati@matiAI 评分 onofumi_AI@onofumi_AIAI 评分 NevFlynn@NevFlynnAI 评分 Eleven v4 是我们最具情感表现力的模型。 我们做了一个 demo 来展示它的情感范围，其中 [audio tags] 塑造每个提示词的情感。
Gemini_Notebook@Gemini_NotebookAI 评分 致我们最敏锐的听众，如果你注意到我们的声音有了新变化——你没听错。 我们的 AI 主播很想解释一下发生了什么（以及你可以期待什么）！
GoogleAI@GoogleAIAI 评分
Google DeepMind精选AI 评分Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，为原生实时对话模型加入动态视觉形象，即日起在 Gemini Enterprise 可用。
推荐理由：官方给出 Live Avatar 的能力边界与开放入口，读者可据此判断实时视频对话在企业场景的可用性。
Latent SpaceAI 评分Meta Connect 2026 发布 Muse 智能体与眼镜硬件，前沿模型仅预告未发布
Meta 在 Connect 2026 上把个人智能体 Muse 作为硬件加智能体战略的核心，发布语音与实时视频能力、Muse Realtime Avatar 研究模型、Ray-Ban Meta Gen 3 与售价 1299 美元的 Meta VR Glasses，以及 12 月发货的钥匙扣设备 Muse Charm，并预告但未发布新前沿模型。
AIatMeta@AIatMetaAI 评分 X：Suno (@suno)AI 评分 Suno Studio 支持直接录制到时间线
Suno Studio 现已支持直接录制到时间线：启用音轨后按下录制键即可开始创作音乐。该功能由 Suno 官方在 X 上公布，并附有演示视频。
finkd@finkdAI 评分 gdb@gdbAI 评分 Simon WillisonAI 评分 Simon Willison 发布 Gemini 3.8 TTS Playground 测试工具
Simon Willison 发布 Gemini 3.8 TTS Playground，一个自带 API key 的交互界面，可测试 Google 的 Gemini 3.8 文本转语音 API，支持单人或多人对话配音、试听生成音频并查看请求与响应细节，设置可保存为可分享的 URL。
OpenAI@OpenAIAI 评分 GeminiApp@GeminiAppAI 评分 用 @WisprFlow 总结会议、记录语音笔记并提取待办事项。 就像对 Gemini 说："用 Wispr 查看我最近会议得出了哪些决定。"
OfficialLoganK@OfficialLoganKAI 评分 OfficialLoganK@OfficialLoganKAI 评分 所有这些，连同 @GoogleAIStudio 的全新体验，成本低于我们之前的 3.1 Flash TTS 模型！ Read more: blog.google/innovation-and-a…
OfficialLoganK@OfficialLoganKAI 评分 ammaar@ammaarAI 评分 最新文本转语音与语音设计模型现已在 AI Studio 上线，提供数千种新声音可选、30 秒内复制自己的声音、仅用提示词设计声音，以及用表达标签实现完整控制。
GoogleAI@GoogleAIAI 评分 GoogleAI@GoogleAIAI 评分 GoogleDeepMind@GoogleDeepMindAI 评分 GoogleDeepMind@GoogleDeepMindAI 评分 - Google DeepMind精选AI 评分
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色语音设计与逐行表演导演，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：官方给出两款 TTS 模型的语音设计、逐行导演能力与基准排名，可据此判断语音生成工作流的变化。
OpenAI NewsAI 评分 Ringg 用 OpenAI 模型让 AI 智能体解决最多 65% 客服来电
Ringg 基于 GPT-5.6 构建的多语言 AI 智能体可解决最多 65% 的客户来电，覆盖语音、聊天、WhatsApp 和网页渠道。相比 GPT-4.1，其成本降低 90%。
Alibaba_Qwen@Alibaba_Qwen精选AI 评分 推荐理由：原文列出五个模型的能力分工和降价幅度，读者可据此评估其音频栈对现有语音工作流的成本影响。
sama@samaAI 评分 X：Suno (@suno)AI 评分 Suno 谈压缩与音色保留的平衡
Suno 回应称，过度压缩会把你想保留的音色特征一并挤掉，关键在于找到合适的平衡点。该回复未给出具体参数或功能细节。
X：Suno (@suno)AI 评分 Suno Studio 内置插件上线，含压缩器
Suno Studio 现已内置插件，其中包括压缩器。Suno 同步发布《What Does a Compressor Actually Do?》一文，讲解压缩与动态处理，这是其解释音乐制作工具系列的第一篇。
Gemini_Notebook@Gemini_NotebookAI 评分
bot@botAI 评分