我评测了 Apple HomeView,欢迎提问
The Verge 资深智能家居评测人 Jen Tuohy 评测了 Apple 首款智能显示器 HomeView,售价 299 美元,提供桌面与壁挂两种版本。她在厨房、床头、办公室等场景实测,将其装在玄关作为智能家居控制面板,并测试了新的 Siri AI 能力。Verge 订阅者即日起可在评论区提问,作者将于今天下午开始作答。
The Verge 资深智能家居评测人 Jen Tuohy 评测了 Apple 首款智能显示器 HomeView,售价 299 美元,提供桌面与壁挂两种版本。她在厨房、床头、办公室等场景实测,将其装在玄关作为智能家居控制面板,并测试了新的 Siri AI 能力。Verge 订阅者即日起可在评论区提问,作者将于今天下午开始作答。
ElevenLabs 发布语音转文字模型 Scribe v3 与 Scribe v3 Live,前者面向预录音频,后者面向低延迟实时场景,词错误率较前代降低约 25%,覆盖 102 种语言,现已通过 ElevenAPI 和 ElevenAgents 开放。
科大讯飞宣布星火语音基座大模型 SparkAudio 1.0 在讯飞开放平台上线 API 服务,开发者可直接接入调用。SparkAudio 1.0 支持文本和语音输入、文本输出,覆盖 99 种语言、202 种方言,可用于语音转写、多语言翻译、多方言识别、环境音理解、说话人分离、情感分析及音频问答等任务。官方称相较上一代模型在多语言处理、多维音频理解和场景覆盖上升级,并采用全国产算力训练。
苹果发布博文公开首款智能家居中枢 HomeView 的人员识别流程,家庭环境下最多识别 6 位用户并据此提供个性化体验。识别通过 Center Stage 摄像头的面部识别与语音识别完成,前提是该用户有一台支持 Apple Intelligence 的已注册设备连接家庭 Wi-Fi 且近期解锁过。
苹果官网宣布支持社区将于 2026 年 11 月 20 日永久关闭,即日起转为只读模式。字节跳动计划未来几周推出类似 Meta Muse 的 AI 智能体助手;OpenAI 第三季度营收达 100 亿美元,将于 2026 年 12 月 11 日停用 ChatGPT 旧版语音模式,全面转向 GPT-Live。
谷歌宣布 Gemini 接入苹果 CarPlay,即日起面向全球 iOS 端 Gemini 用户逐步推送,覆盖 Gemini Live 已支持的全部语言。用户点击 CarPlay 界面的 Gemini 图标即可通过 Gemini Live 开启语音对话,可随时打断、补充细节或切换话题,聊天记录自动同步至 iPhone 端 Gemini 应用。
Amazon SageMaker AI 宣布为双向流推理推出按用量计量,模型提供商可向 AWS Marketplace 上报客户实时会话中的实际消耗并据此收取软件费,SageMaker AI 端点基础设施费用仍单独适用。
Adobe 公布四项实验性 AI 功能,可将平面图像转化为可漫游的 3D 场景,并通过对话式试镜设计 AI 角色。
DeepL 推出新的 Aure 语音模型,可在实时翻译中把原说话者的语气、情绪、重音和语速带入目标语言。
DeepL 发布语音 AI 翻译模型 Aure,官方称其为迄今最具动态感、最逼真的语音 AI 模型,可在实时翻译中复现说话者的语气起伏、情绪流转、重音强调及语速快慢。Aure 是 DeepL Voice 的底层驱动核心,已支持 DeepL Voice 网页会议版、面对面交谈版和语音 API,首发支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语及韩语,尚未支持的语言会自动使用之前的语音模型。
OpenAI 宣布将于 2026 年 12 月 11 日正式停用 ChatGPT 的 Advanced Voice Mode 和 Standard Voice Mode,用户将自动切换至全双工语音模型 GPT-Live。
软件开发者西蒙 · 威利森借助 Claude Code 开发名为 Beep Locator 的声音定位系统,可将声源锁定至约 40 厘米范围。该系统让五台手机、平板和电脑通过网页调用麦克风,比较同一声音抵达不同设备的时间差,并利用快速傅里叶变换从环境杂音中识别目标提示音。威利森按定位结果在纸箱中找到了发声的旧一氧化碳探测器,项目代码已在 GitHub 公开。
OpenAI 开发者体验工程师 Dominik Kundel 和 Charlie Guo 在 AI Engineer Code Summit 工作坊上介绍了 Codex 的云任务、语音界面和 dots 个人智能体的新用法。
Spotify 宣布升级 AI DJ 功能,Premium 用户可从更多语音和个性中选择,并可减少歌曲间的解说。新增 7 种英文语音,涵盖英国、美国、爱尔兰、澳大利亚和印度口音,另有 2 种西班牙语语音取代原语音 Livi,原语音 X 保留。新语音于 11月10日 起向 95 个以上市场的 Premium 用户推出。
Otter.ai 宣布推出多语言转写功能,可在同一场会议中自动检测语言切换并继续转写,同时新增 27 种语言,完成后将共支持 31 种语言。13 种新语言现已可用,包括普通话、韩语、德语、意大利语、粤语、葡萄牙语等,其余 14 种(瑞典语、丹麦语、芬兰语、阿拉伯语等)即将推出。
智元发布 WITA-Omni(硅光动语全模态大模型),官方称其为行业首个具身全模态端到端交互大模型。模型基于机器人本体感知数据训练,除音视频外新增触觉、本体状态等输入,以及机器人动作、表情等输出;采用流式全双工架构,可边听边想边应边动,交互响应最快约 400 毫秒、平均约 600 毫秒,较业内平均水平快近 3 倍。
消息源称在 iOS / macOS 27.3 首个开发者预览版 Beta 中,苹果为 Siri AI 引入名为 Skimmer 的前置模块,首次将约 2% 的英文请求路由到本地模型处理,主要覆盖设置定时器、播放音乐、拨打电话等高频且结构相对固定的指令,以降低延迟、节省算力并保护隐私。
腾讯首款专属 AI 游戏陪伴 Agent“鹅次元”今日开启内测,面向 PC 玩家提供拟人化 AI 陪伴与实时语音互动。AI 能看到用户游戏画面并据此互动,支持 PC / 手机 QQ 陪伴聊天,桌宠、一键更换壁纸、嘴替 / 变声等功能即将上线。目前提供“夏夏”“沈露白”“谷雨”“贝拉”四个角色,擅长《无畏契约》《英雄联盟》《反恐精英》等游戏。
少数派《派评》本期盘点了 6 款近期值得关注的 App,覆盖 iOS、iPadOS、Windows、Android 与 macOS 平台。Canva 推出的免费设计工具 Affinity for iPad 将绘画、矢量、照片编辑与排版整合到同一工作空间;套壳儿则支持 3D 设备模型展示与 AI 动画创作。
极米记得 AI 记忆手环 L1 没有屏幕和摄像头,开机即录,声音采集之外交给「极米记得」App 完成转写、纪要、待办与回顾,10 月 28 日开售,标准版 599 元、终身会员版 1059 元。实测佩戴 10 小时耗电 24%,对话总结需 10-20 分钟且非实时;录音仅在转写环节经云端加密、转完即删,该隐私设计通过 SGS 第三方代码审查。
日本 Shizuku AI 公布全双工模型 Shizuku-Duplex,是继 GPT-Live 后第二个支持日语智能对话的全双工模型,无需完整询问即可启动思考。
微软提交专利申请 US 2026/0341309 A1,用 AI 智能体实时识别并替换直播等视频中的说话内容,再由生成式 AI 重绘嘴型与修改后的语音同步,视频延迟约 1 至 10 秒。
微信输入法上线「AI 录音笔」功能,免费且无需额外硬件,录音时即可边听边总结,并生成会议摘要、流程图和责任分工。整理结果可生成链接分享给未安装的同事,关联设备间还能同步历史记录。不足之处是需要手动开启、无法与微信语音通话同时录音,相比系统级通话录音还不够无感。
推荐理由:原文把免费的 AI 录音笔与 Plaud 等专用硬件和手机系统级通话录音做了对比,读者能据此判断哪种记录方案更适合自己。
猫王 Elvis Presley 音乐版权方与 Eminem 部分唱片出版商起诉 AI 音乐公司 Suno,称其非法生成模仿艺人的音乐与歌词。Presley 方律师称 Suno 违反田纳西州 ELVIS 法案中禁止克隆歌手声音的规定,并指责其未经许可复制人类创作;Suno 回应称禁止任何未经授权使用,不允许提示词中出现特定艺人名与歌曲名,并筛查上传音频和歌词。
作者体验 Muse 后认为,其能力虽一般,但陪伴感改变了使用习惯,而语音是降低交互门槛、让琐碎需求喂养上下文的核心入口。Muse 于 11 月 5 日在美国上线实时语音与会动的头像,延迟约 870 毫秒并支持随时打断,Meta 称其可在后台处理口头安排的任务。
作者用 DeepSeek Harness 插件以纯代码程序化渲染完成一部 3 分 54 秒中文科普片,核心做法是先逐句合成旁白、用实测 PCM 时长驱动时间轴,每帧作为纯函数保证可复现,再配四层质检。
推荐理由:作者给出了可迁移的工程方法,用实测音频时长驱动时间轴、帧作纯函数、分层质检,让程序化视频可复现可验收。
苹果在 iOS 27.3 首个开发者预览版中为 IntelligenceFlow 框架新增了面向中国大陆的 LinwoodChinaMainland 功能标志,目前处于禁用状态。
AI 编程工具 Cursor 于 11 月 6 日宣布推出“与智能体实时语音聊天”功能,开发者可用语音与编码智能体双向对话,口头描述代码修改需求并询问任务进展,同时智能体在后台继续编码。
推荐理由:原文对比了语音听写与双向语音聊天的差别,并给出入口、语音选择与隐私设置,读者可据此判断它能否并入现有编码工作流。
Underdog 发布仅 32MB 的语音生成模型 Woof,并通过一款浏览器游戏演示其在无网络环境下的语音交互能力。该模型有 31M 参数并开放下载,此前公司还推出了 167MB 的端侧语音转文字模型 Bark。创始人 Sigil Wen 表示希望让模型在用户设备上本地运行,使用户拥有自己的数据。
Hugging Face 与 Liva AI 合作,为 Open ASR Leaderboard 新增埃及和尼日利亚口音英语两组私有会话数据,时长分别为 1.34 小时和 1.55 小时。
曹操出行宣布接入中国移动 12580 个人智能助理,成为其首个打车生态合作伙伴,用户用自然语言即可在端内完成叫车。用户在 12580 个人智能助理内说出出行需求即可唤起曹操出行 AI 打车服务,无需跳转其他应用,可在聊天界面内确认行程信息、选择车型与价格并自动结清车费。
Meta 宣布个人 AI 助手 Muse 正式上线实时语音对话与虚拟形象功能,率先面向美国用户推送,覆盖移动端、网页端和 Mac 应用。功能由 Muse Realtime Voice 和 Muse Realtime Avatar 两个模型支持,可流式输出 448×768、25 帧每秒的竖屏视频,首个音视频响应延迟约 870 毫秒。
Meta 宣布美国所有用户现可通过 Muse Voice 与其消费级 AI 智能体 Muse 进行通话和视频聊天。该功能于 9 月 Connect 开发者大会首次发布,基于 Muse Realtime Avatar 和 Muse Realtime Voice 技术,用户可定制昵称为 Jolly 的动画虚拟形象,虚拟形象说话时会配合语气做出细微表情和手势。
Meta 现在支持与 Muse AI 智能体实时语音对话,聊天时顶部的虚拟形象会随话语同步动画。作者在 iOS app 上实测,语音响应较快但查询信息时偶有停顿,也可直接让智能体调整语气或在设置里选择。该功能已在美国区 app 推出,Meta 的 AI 眼镜即将支持,即将发布的 Muse Charm 硬件也会配备。
The Verge 评测员 Victoria Song 写下佩戴 Amazon Bee Frontier 三周的经历:这款全程录音的 AI 可穿戴设备会转录并总结对话,却频繁误记内容,还把创伤经历生硬地总结成待确认的“事实”。其 Grow 功能会根据对话生成带有评判性的自我提升建议,她的心理咨询师认为这类设备会取代人对自身直觉的信任,可能加剧焦虑与反刍。
Apple 在 iOS 27.3 和 watchOS 27.3 首个开发者测试版中为 Apple Watch Series 12 用户带来四项 Audio Intelligence 功能,作者实测一天后认为 Siri Recaps 的自动笔记价值大于其带来的不安感。
国行 Apple 智能随 iOS 27.3 开发者预览版开放测试,写作工具、照片消除、实时翻译等功能先在 iPhone 上启用,Siri 接入千问处理复杂请求、百度负责识图搜索。
推荐理由:作者第一时间实测国行 Apple 智能首批功能,逐项给出可用机型、启用入口与实际表现,读者可据此判断是否尝鲜。
作者在开源 AI 呼叫中心 SmartCall 中提出「音频保持(Audio Hold)」机制:模型照常生成但音频先进缓冲区,同时异步检索知识库,命中就丢弃缓冲并注入知识重组回答,未命中或超时则原样放出,实现 fail-open。
YouTube 11 月 4 日宣布面向全球内容创作者推广 YouTube Studio 中的“替换歌曲”工具,方便其处理视频中的版权音乐。创作者收到音频版权申诉后,可用该工具即时生成四段各约三分钟的免版税器乐背景音乐,替换完成后相应的 Content ID 版权声明将自动移除。该工具目前仅生成器乐背景音乐,暂不支持人声或完整歌曲创作。
Apple 在 iOS 27.3 更新中允许 Siri AI 跨第三方应用执行操作,开发者可将 Siri AI 的个人上下文、自然语言提示词处理和屏幕感知能力整合进“所有应用”。
推荐理由:相比此前仅开放有限能力,本次更新让 Siri AI 能跨第三方应用完成任务,读者可据此评估其对现有语音交互工作流的影响。