Destined AI 开源 Hurston-1 语音模型，支持美国南方与非洲英语口音及电话模式
Destined AI 发布并开源了 Hurston-1 语音模型，这是一个基于 Maya1 进行微调的窄带语音生成模型，专为电话渠道及美国南方、尼日利亚等常被忽视的英语口音而设计。模型支持 8 kHz G.711 电话音频输出，并提供了验证与过滤机制，适用于语音智能体测试及电话客服场景。
发布时间：
#语音
Hacker News-首页AI 评分6363
meng shao@shao__mengAI 评分6666
发布时间：IT之家·人工智能AI 评分6666 Block 发布全双工语音模型 Dessa，支持 M4 Max 及以上 MacBook 本地运行
Block 公司推出了全新全双工语音模型 Dessa，支持在 M4 Max 及更高配置的 MacBook 上本地运行。Dessa 采用原生人类语音数据训练并具备情绪表达能力，现阶段暂不对外开放试用，正向安全研究者发出测试邀请。
发布时间：TechCrunch · AIAI 评分6363 Block 发布端侧语音模型 Dessa，支持全双工实时交互与情感表达
Block 研究实验室发布了名为 Dessa 的全新语音模型，支持本地端侧运行和全双工实时交互。该模型完全在人类语音上进行训练，能够表现出笑声、停顿和哭声等自然情感，目前暂不对公众开放，正邀请安全研究人员进行测试。
发布时间：
The DecoderAI 评分5656 Block 发布完全基于人类语音训练的新 AI 模型 Dessa
Block 推出了名为 Dessa 的全新 AI 语音模型，该模型从头构建且完全基于人类语音训练，不使用任何文本数据。Dessa 能够直接处理音频以实时捕捉情感、讽刺、笑声和停顿，并支持全双工通信，目前正面向 AI 安全研究人员开放测试注册。
发布时间：🚨 AI News | TestingCatalog@testingcatalogAI 评分6161
Jack Dorsey 推出了全新的全双工语音模型 Dessa。该模型完全通过语音对话进行训练，未使用任何文本数据或预训练模型。目前官方仅公布了演示样本，在情感表达和自然度上表现出色。
发布时间：Hacker News-首页AI 评分55 Dessa: Conversation Model trained only on speech
Block, Inc. 发布的 Dessa 隐私政策详细说明了公司在用户访问 dessa.com 网站及相关服务时收集、使用、披露及保护个人信息的方式。政策涵盖了身份信息、设备信息和网络活动等各类收集数据的具体类别，以及用于提供服务、沟通联系和维护平台安全的处理目的。
发布时间：The Verge · AIAI 评分5353 Jack Dorsey 旗下 Block 发布语音 AI 模型 Dessa
Jack Dorsey 旗下的 Block 发布了名为 Dessa 的语音 AI 模型，该模型完全基于人类对话数据从头训练，支持在 MacBook Pro M4 Max 或更高配置上本地运行。Dessa 团队表示，目前该模型将向一小群 AI 安全研究人员提供早期访问。
发布时间：Suno@sunoAI 评分3131
Fresh for iOS: 🚗 AirPlay support is live 📱 Suno is now compatible with iPhone Duo
发布时间：Rohan Paul@rohanpaul_aiAI 评分3131
发布时间：
Amazon ScienceAI 评分4242 Audible 团队用可控 TTS 与 BookLLM 改进有声书语音合成
Audible 技术团队利用可控 TTS 与 BookLLM 改进有声书语音合成，通过自动识别角色对话（准确率达 97%）并为其生成自然语言语音描述，解决了传统 TTS 在长文本长时收听中角色区分度不足的问题。该方法在 MUSHRA 测试中使对话区分度提升了 3.7 点，并在英语和 Spanish 的测试中实现了统计学显著的听觉体验改善。
发布时间：公众号：面壁智能AI 评分4343 面壁智能在 CNCC 2026 举办第三届端侧大模型论坛并发布 MiniCPM5 与 VoxCPM2 等成果
面壁智能在 CNCC 2026 举办第三届端侧大模型论坛并发布 MiniCPM5 与 VoxCPM2 等成果，围绕文本、语音、多模态等五大方向探讨端侧通用人工智能。目前 MiniCPM 系列累计下载量已突破 6000 万次，17 次登顶 Hugging Face 榜单首位，其中 MiniCPM5-2B 在 AA-Index 4B 以下排名第一。
发布时间：量子位AI 评分6868 科大讯飞发布星辰TaaS平台与端云一体星火X2.6等成果
科大讯飞在2026全球1024开发者节上发布端云一体星火X2.6、星辰TaaS平台、星火语音基座大模型SparkAudio 1.0及智能体协同平台Agent OS等多项创新成果。星火X2.6将上下文窗口扩容至百万Tokens并开源4B端侧模型；星辰TaaS平台则构建了从模型能力到行业解决方案的全链路体系，推动Token转化为实际业务价值。
发布时间：Hacker News-首页AI 评分6262 r2d2-tv：将智能电视改造成本地主屏幕与语音助手的开源项目
r2d2-tv 是一个为 webOS 电视提供本地主屏幕、私有远程浏览器和一键式语音助手的开源项目。它通过 aarch64 Linux 计算主机运行 Chromium 会话与本地语音模型并通过局域网向电视推流，同时在电视端通过 root 权限修改系统服务以实现集成。
发布时间：Artificial Analysis@ArtificialAnlysAI 评分6363
发布时间：AWS Machine Learning Blog精选AI 评分6464 在 Amazon SageMaker AI 上使用 Kokoro TTS 从 AI 智能体流式传输低延迟语音
AWS 官方介绍了如何在 Amazon SageMaker AI 上使用 Kokoro-82M 模型和双向流式传输，实现 AI 智能体生成首句文字即开始语音合成。该方案通过逐句推送和传输优化，将首音频响应时间缩短了数倍。
发布时间：推荐理由：文章给出了基于 Amazon SageMaker AI 部署 Kokoro 82M 模型并进行双向流式传输的具体架构和性能对比，读者可以参考其实现来降低语音智能体交互延迟。
AWS Machine Learning Blog精选AI 评分6262 Amazon Polly 为生成式语音引擎推出重大升级
Amazon Polly 为其生成式语音引擎推出了重大升级，带来更自然、更具表现力且低延迟的语音输出。此次升级新增了 9 个区域的 14 个新语音，并首次在生成式引擎中全面提供印地语和芬兰语支持。现有应用的 API 调用与语音名称保持不变，支持作为直接放置升级接入。
发布时间：推荐理由：该升级在保持现有 API 和定价不变的前提下提升了语音自然度和准确性，并新增了多语言支持，有助于开发者低成本优化现有应用的音频生成体验。
MarkTechPostAI 评分6666 Gradium 开源 31M 参数端侧 TTS 模型 Phonon 31m
Gradium 开源了 Phonon 端侧语音合成模型系列，其中英语 Phonon 31m 采用 Apache 2.0 许可证发布。该模型大小仅 64.5 MB，支持在 CPU、手机、树莓派 5 及浏览器上运行，可在 MacBook Air M5 上实现 6.9 毫秒的首音频延迟。
发布时间：
公众号：面壁智能AI 评分2525 面壁智能在 CNCC 2026 端侧大模型论坛分享端侧智能从对话到行动的进展
面壁智能在 CNCC 2026 第三届端侧大模型论坛上，与学术伙伴围绕定义端侧通用人工智能分享了相关探索。分享内容涵盖文本、语音、多模态交互、芯片级训推定制以及智能体五大方向，全面展现了端侧大模型正从单一对话能力向感知、推理和行动阶段迈进。
发布时间：Sierra：BlogAI 评分6161 Sierra 发布 𝜏-Entity 基准，检验语音智能体能否准确采集姓名和电话等实体信息
Sierra 发布 𝜏-Entity 基准，用于测试语音智能体在不同音频环境和 caller 行为下准确采集姓名、电话等实体信息的能力。基准包含 200 个任务和六种语言，测试结果显示当前语音智能体在面对噪声和多字段交互时仍面临较大挑战。
发布时间：公众号：火山引擎AI 评分4141 IDC：火山引擎以45%份额居中国AI座舱市场第一
2026年上半年中国AI座舱解决方案市场规模达7.1亿元，火山引擎以45%份额位居第一。搭载豆包大模型的汽车已有700万辆上路，覆盖50个品牌与145个车型，日均座舱交互达3000万次。火山引擎今年推出基于 Agentic AI 架构的“豆包座舱助手”和“AI座舱套件”，首款搭载车型荣威家越07已于9月开启预售。
发布时间：MarkTechPostAI 评分6464 IBM 发布开源语音模型 Granite Speech 5.0 2B
IBM 发布开源语音模型 Granite Speech 5.0 2B，采用 2B 参数量并基于 Apache 2.0 协议开源，支持 6 种语言的语音转写与翻译。该模型在 Open ASR Leaderboard 上平均词错误率（WER）为 5.68%，支持长达约 2 分钟的音频片段以及最多 2,000 个词的关键词偏置。
发布时间：IT之家·人工智能AI 评分6262 科大讯飞首发星火语音基座大模型 SparkAudio 1.0
科大讯飞在 1024 开发者节宣布首发星火语音基座大模型 SparkAudio 1.0，支持中英文任意切换与说话人实时识别。该模型集成了机器翻译、语音识别与语义理解等能力，现已在讯飞输入法 16.0、讯飞听见、讯飞办公本及讯飞翻译机全面上线。此外，科大讯飞还发布了搭载 4+1 环麦阵列的讯飞 AI 录音环硬件设备。
发布时间：MarkTechPostAI 评分6262 Whistle 语音识别实测：16.9 MB CPU 模型与 Whisper base 的 WER、速度、流式与工具调用对比
本文对 Cactus Compute 推出的 16.9 MB CPU 语音识别模型 Whistle 进行了实测，将其与 Whisper base 及 tiny 在 LibriSpeech 数据集上的字错率（WER）、处理速度、流式延迟及工具调用能力进行了对比。
发布时间：- 发布时间：
Sierra：BlogAI 评分6060 Sierra 推出 𝜏-i18n 语音智能体多语言评测基准并开源
Sierra 推出并开源了 𝜏-i18n 语音智能体多语言评测基准，将 𝜏-Voice 扩展至西班牙语、巴西葡萄牙语、印地语、韩语和普通话五种新语言。该基准引入了语言包机制，并提供任务完成率、交互表现和生成质量三个维度的独立评估指标。
发布时间：MiniMax (official)@MiniMax_AIAI 评分6161
发布时间：- 发布时间：
The Verge · AIAI 评分6161 Gemini 对话式导航功能上线 Apple CarPlay
Google 宣布将对话式 Gemini 语音助手引入 Apple CarPlay 上的 Google Maps，美国司机即日起可使用，并正向全球逐步推送。用户可在车载屏幕上通过点击 Gemini 图标激活功能，进行多步提问、获取路线推荐并规避收费路段，但目前暂未提及 Android Auto 近期获得的个人智能功能。
发布时间：Ethan Mollick@emollickAI 评分1717
也许，最终，AI 应用中的语音接口将会消灭开放式办公室这种怪胎。或者，当你在其中时，会让情况变得更糟糕。 （下方为关于开放式办公室问题的研究串）
发布时间：Hugging Face 社区博客AI 评分5454 IBM 发布 Granite Speech 5.0 系列语音模型，含 2B 新模型与两个更新版本
IBM 发布了 Granite Speech 5.0 系列语音模型的三项更新，包括全新发布的 granite-speech-5.0-2b 语音语言模型，以及升级后的 granite-speech-5.0-470m-turboctc 与 granite-speech-4.1-2b-plus。
发布时间：ChinaTalkAI 评分6666 ChinaTalk 解读商务部第48号公告对AI技术出口管制的影响
ChinaTalk 详细解读了中国商务部与科学技术部联合发布的第48号公告，分析了其对前沿大模型、芯片设计、存储、智能体及网络安全等AI技术出口管制的具体阈值与影响。文章指出，该草案不仅旨在保护国内具有优势的核心知识产权与国家安全，也建立了一套过渡期的出口前置注册与许可机制。
发布时间：MarkTechPost同事件AI 评分8181 Mistral AI 发布 Voxtral 3 语音模型家族及基于 LiveKit 的 Voice Agent SDK
Mistral AI 发布了 Voxtral 3 语音模型家族及基于 LiveKit 的 Voice Agent SDK，包含 3 个转写模型、1 个文本转语音模型及相关开发套件。系列模型支持 50 种语言、说话人分离与上下文偏置，已在 Mistral API 开启公开预览。
发布时间：同一件事，精选收录的是《Mistral 发布 Voxtral 3 语音模型系列与实时语音智能体 SDK》
- 发布时间：
Arthur Mensch@arthurmenschAI 评分6161
Mistral 发布 Voxtral 3 语音模型并推出语音智能体 API，支持实时说话人区分和端点检测，可在自有基础设施或官方平台上运行。
发布时间：- 发布时间：
The Decoder：AI NewsAI 评分6363 ElevenLabs 发布两款面向实时 AI 对话的语音到语音模型 Eleven Realtime
ElevenLabs 发布了两款名为 Eleven Realtime 的语音到语音模型，包含 Max 和 Mini 两个版本。其中的 Max 变体在 Big Bench Audio 基准测试中获得 98.8% 的准确率，响应时间为 0.57 秒；Mini 则主打低成本自然对话。
发布时间：