科大讯飞首发星火语音基座大模型 SparkAudio 1.0：中英文任意切换、说话人实时识别，输入法里就能用

在今日下午的科大讯飞全球 1024 开发者节活动中，科大讯飞宣布首发星火语音基座大模型 SparkAudio 1.0。

SpaceXAI 发布 Grok Voice 3.0：号称全球最智能的语音模型，延迟低于 1 秒

Grok Voice 3.0 在 Artificial Analysis 语音转语音榜单拿下第一，全双工基准得分 97%，延迟低于 1 秒且成本低于同级模型。它已在特斯拉、星链客服中支撑数百万次对话，客服···

LG 与微软合作研发智能家居 AI 语音助手，号称可实现流畅自然语音交流

LG 在首尔微软行业峰会上展示与微软合作的智能家居 AI 语音助手，基于语音到语音技术融合 Voice Live，支持“插话”功能，可面向酒店、办公室等 B2B 场景，计划年内推出搭载···

ElevenLabs 推出 v4 和 v4 Turbo 语音模型：支持 90 余种语言，10 秒素材即可克隆声音

v4 系列采用全新架构，情绪标签可叠加、按序执行，朗读长文本时能保持音色并记住上下文调整语气。新版本还显著提升了日语、巴西葡萄牙语、普通话和粤语的合成质量。据透露，···

ChatGPT 移动端新增基于语音的智能体功能，可语音撰写文档、总结邮件

OpenAI 宣布 ChatGPT 移动端新增基于语音的智能体功能，用户可通过语音指令撰写文档、总结邮件、创建网站等。Pro 和 Plus 用户功能更全面，Free 和 Go 用户也可使用插件。#···

科大讯飞发布全新语音识别大模型 Spark-ASR-2.0，明日上线讯飞输入法

该模型通过多项技术创新实现识别效果大幅提升，在中英文混合、方言等复杂场景优势明显，推理成本仅增 10%，明日起将逐步上线讯飞输入法等产品##科大讯飞##语音识别大模型

阿里千问发布 Qwen-Audio-3.1 系列语音大模型，并下调全线产品价格

本次升级推出两款新模型，五款全新模型覆盖“理解-生成-交互-创作”完整音频能力栈；同时全线降价，最高降幅达 95%，进一步降低用户使用成本。#千问 Qwen-Audio# #AI大模型···

基于全国产化算力训练，讯飞星火语音基座大模型 Spark-Audio-1.0-Preview 上线

科大讯飞今日上线 Spark-Audio-1.0-Preview，这是基于全国产化算力训练的语音基座大模型，能直接理解语音，支持 99 种语言和 202 种方言识别，在复杂环境及多项评测中表现领···

谷歌推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking 实时对话模型，支持 97 种语言切换

谷歌发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款实时推理模型，针对语音交互优化，提升多场景任务处理能力，现已面向开发者和用户逐步推送。

阶跃发布 StepAudio 3 系列语音大模型，拿下多个全球第一

阶跃今日正式发布 StepAudio3 系列模型，涵盖实时语音交互、语音识别、语音生成等五大产品，多款在 Artificial Analysis 榜单中排名全球第一。目前五款模型均已上线阶跃星辰···