搜索
2025年，杨斌体验了一款海外语音交互产品Sesame。一两轮对话后，他因暂时想不到问题陷入沉默。几秒后，对面突然主动开口：“你现在是不是思维卡壳了？”随后补了一句话，把中断的话题接了起来。
语音成为了AI交互的新方式。
8 月 7 日，阿里巴巴推出国内首个 AI 语音生产力平台 CosyVoice Studio，整合开放语音识别、语音合成、实时语音交互三类核心能力，覆盖「听、创、聊」全链路。
8 月 4 日，腾讯混元正式发布新一代语音识别模型 Hy ASR 3.0 preview。基于最新一代大语言模型 Hy3 的语言理解能力，Hy ASR 3.0 preview 融合高精度语音识别与深度语义理解能力，在通用识别、上下文感知、多场景鲁棒性以及方言覆盖等核心维度实现全面提升，
本周，Fish Audio宣布完成5200万美元种子轮融资，由Coreline Ventures和Capital Today领投。
今日，马斯克旗下SpaceXAI宣布推出新一代语音模型Grok Voice Think Fast 2.0，这是该公司迄今能力最强的语音到语音（speech-to-speech）模型。马斯克连发两条推文，第一条宣布“Grok Voice现在在智能体性能方面排名第一”，第二条则直接喊话网友“试试新的Grok Voice”。
Encore AI是一家专门研究企业客户互动数据、以此训练和部署AI语音Agent的初创公司，其Agent既可与客服和销售团队协同工作，也可独立自主运行。该公司近日完成由Team8领投的3000万美元A轮融资。
Gradium 是一家总部位于巴黎、提供语音 AI 模型的初创公司，其对种子轮向包括 NVIDIA 在内的新投资者重新开放后，本轮融资总额现已达 1 亿美元，该公司周四表示 。这家初创公司是从法国 AI 实验室 Kyutai 分拆出来的（该实验室由 Niel 支持）。
就在刚刚，OpenAI 正式推出了全新一代语音模型 GPT-Live。正如它的名字一样，这一次，ChatGPT 的语音功能彻底「活」了过来。据官方透露，目前每周有超过 1.5 亿人使用 ChatGPT 的语音和听写功能来练习外语、讲睡前故事或在通勤时打发时间。而从今天起，这 1.5 亿人将迎来一次豆包式的进步：
GPT-Live 基于全双工架构构建，也就是说，它可以同时听和说。在对话过程中，GPT-Live 可以用 mhmm 或 yeah 这样的回应表示自己正在听，也可以进行快速来回交流；当你需要一点时间思考时，它也会保持安静。最终带来的，是一种非常轻松自然的语音交互体验。