跳到正文
11月12日周四
  1. The Verge · AI28

    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。

  2. IT之家60

    科大讯飞星火语音基座大模型 SparkAudio 1.0 上线 API 服务,支持 99 种语言、202 种方言

    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。

  3. IT之家51

    苹果公开 HomeView 人员识别流程,最多识别 6 人且原始音视频不传出隔离区

    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。

  4. 极客公园27

    苹果宣布永久关闭官方支持社区;字节即将推出个人 AI 助手;华为新品牌星芒 OSTA 曝光 | 极客早知道

    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。

11月11日周三
  1. IT之家63

    DeepL 发布语音 AI 翻译模型 Aure,实时复现说话者语气与情绪

    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。

  2. IT之家63

    开发者用 Claude Code 自制 Beep Locator 声音定位系统,将声源锁定至约 40 厘米范围

    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。

11月10日周二
  1. TechCrunch · AI65

    Spotify AI DJ 升级:新增多种语音和个性,并可减少解说

    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。

  2. TechCrunch · AI56

    Otter AI 新增多语言转写,可在会议中跨 30 余种语言跟踪对话

    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。

  3. IT之家60

    智元发布 WITA-Omni 全模态交互大模型,号称行业首个具身全模态端到端交互大模型

    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。

  4. IT之家46

    腾讯首款专属 AI 游戏陪伴 Agent“鹅次元”开启内测,支持实时陪聊、手机 QQ 陪伴聊天等

    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。

11月9日周一
  1. 少数派29

    派评 | 近期值得关注的 App

    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。

  2. IT之家62

    599 元起,极米记得 AI 记忆手环 L1 体验:戴在手腕上的 AI 速记员

    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。

  3. 爱范儿76

    微信 AI 录音笔体验:手机都能装的办公神器,免费!

    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。

  4. The Verge · AI65

    猫王与 Eminem 版权方起诉 AI 音乐公司 Suno

    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。

11月8日周日
  1. 极客公园63

    为什么「陪伴」注定是 Personal AI 的核心

    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。

  2. 博客园76

    视频是算出来的:DeepSeek Harness 零素材全代码生成视频插件

    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。

11月7日周六
  1. IT之家76

    Cursor 推出智能体实时语音聊天功能

    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。

11月6日周五
  1. TechCrunch · AI51

    Underdog 在新演示中展示 32MB 语音模型 Woof

    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。

  2. IT之家52

    曹操出行接入中国移动 12580 智能助理,实现一句话 AI 叫车

    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。

  3. IT之家72

    Meta 上线 Muse 实时语音对话与虚拟形象功能

    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。

  4. The Verge · AI66

    Meta Muse 智能体上线语音模式与表情虚拟形象

    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。

11月5日周四
  1. The Verge · AI62

    我的心理咨询师建议我把 Amazon Bee Frontier 扔出窗外

    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。

11月4日周三
  1. 少数派78

    国行 Apple 智能上手实测:首批功能、适配机型与实际体验

    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。

  2. IT之家64

    YouTube 面向全球推广“替换歌曲”AI 配乐工具,可自动移除 Content ID 版权声明

    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。

  3. The Verge · AI80

    Apple 开始向第三方应用开放 Siri AI 能力

    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。