Fish Audio发布Drama 3，一款35 B开放重量MoE文本到语音模型
Fish Audio发布了Drama 3，这是一个35 B专家混合文本到语音模型，活动参数约为3B。它采用简单语言指导，涵盖83种语言，并在收入上限的社区许可证下运送开放重量。Fish Audio发布Drama 3，一个35 B开放重量MoE文本到语音模型，首先出现在MarkTechPost上。
语音与音频
AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
已收录 129 条 · 近 30 天 104 条 · 第 1 / 7 页
Vidu Q4 原生音频：无需唇同步插件的语音匹配
📌 One-Sentence Summary Vidu Q4 在一次生成过程中集成音频与面部动作，能够在无需外部插件或后期处理的情况下实现精准的唇同步和自然的身体动作。 📝 Summary Vidu Q4 模型通过将声音视为场景的内在组成部分而非独立轨道，革新了 AI 视频。模型在扩散过程中直接将音频波形映射到面部表情和身体动作，实现了传统两步配音方法无法媲
Grok Voice 3.0：领先的语音到语音模型，兼具性能与低延迟
📌 One-Sentence Summary SpaceXAI 的 Grok Voice 3.0 以 86.9 的分数在语音到语音指数中排名第一，显著优于其前代产品和现有竞争对手，同时保持了有竞争力的低延迟。 📝 Summary 本分析贴深入探讨了 Grok Voice 3.0 的性能，重点介绍了其在语音推理、代理性能和偏好评级中的高分。还对比了该模型与 G
Square的新信息亭可让您与人工智能交谈以获取订单帮助
Square正在推出新硬件：一个用于订购物品的大型自助服务亭，具有触摸屏，可以让您与人工智能交谈。它被称为广场亭。Square表示，Kiosk有一个大药丸形状，具有“代理、对话的语音层”，“完全理解卖家的菜单，并真实地倾听和回应[.]
以下是所有新款HomePod Mini 2颜色
Apple的HomePod Mini 2已经发布，我们近距离观察了第二代智能扬声器。HomePod Mini 2配备了能够为Siri AI提供动力的升级S10芯片，不过苹果表示将在未来更新中推出对新人工智能功能的支持。它还提供了声音的光泽[.]
苹果全力投入家庭
此外：法国的几家食品杂货店还遭受了大规模的网络攻击。
Apple HomePod Mini 2可预订
近六年后，苹果推出了新的改进版HomePod Mini。售价149美元的HomePod Mini 2将于10月30日星期五推出，您现在可以通过Apple进行预订。该扬声器包含在Apple Watch Series 10中首次亮相的S10芯片，可以支持多种功能。它将[.]
Higgsfield将人工智能视频从1分钟缩短到10多分钟
Higgsfield通过GPT-6 Astra为创作者带来更长的视频、通过GPT-Image-2.5提供精确的视觉效果，并通过GPT-Live提供语音电影制作之路。
我们将EmbeddingGemma 2变成了语音转文本模型
HN ð261· 61 评论
Show HN：使用您的OpenAI订阅创建有声读物
HN ⭐ 119 · 61条评论
Plaud前高管筹集2600万美元用于在后台倾听您声音的人工智能应用程序
人工智能的核心承诺之一是，它对一个人了解得越多，它就越能帮助他们完成任务并提出适当的建议，如果你相信科技公司的话，这需要应用程序和设备来监听、观看或记录用户的活动。所有时间并收集所有可能的背景。
2026年12种人工智能实时翻译工具：延迟、语言、定价
我们对照官方页面检查了12个人工智能实时翻译工具，包括Palabra.ai、Google Live Translate、DeepL Voice、Teams Interpreter和Wordly。2026年12种人工智能实时翻译工具：延迟、语言、定价这一帖子首先出现在MarkTechPost上。
EP203 · Google Labs 谈产品实验、斯坦福拆解常驻智能体、Meta Muse 建立信任
📝 今日导语 Google Labs 谈产品实验，斯坦福拆解常驻智能体，Meta Muse 复盘信任：读懂从机会到可靠体验的取舍。 🏷 今日关键词： Google Labs 常驻智能体 Meta Muse 交互式 CLI MiniMax M3 📰 今日精选内容 为什么每家公司都该像实验室一样运作？Google Labs 负责人 Josh Woodward 谈
TII发布Falcon-ASB：1.6B阿拉伯语语音模型达到20.92%WER
TII发布了Falcon-ASB，这是一个以阿联酋为重点的阿拉伯语1.6B语音识别模型。它报告6个阿拉伯语测试集的平均WER为20.92%，但权重和API尚未可用。TII发布Falcon-ASB：1.6B阿拉伯语语音模型命中率20.92%WER首次出现在MarkTechPost上。
Show HN：Atticus -适用于macOS的通话语音助手，在Claude -p上运行
HN75· 12 评论
这些高管认为语音人工智能尚未达到ChatGPT时刻
语音人工智能经常错过其上下文层的重要点，并导致整个管道中断
延迟是预算，像人一样对话才是目标：LiveKit 的语音智能体实践
📌 One-Sentence Summary Jesse Hall 认为，应以完整对话评估语音智能体，在固定时间预算内平衡用户听到的延迟、轮次判断、错误传递和模型质量。 📝 Summary LiveKit 的 Jesse Hall 指出，分别从排行榜挑选最快的语音识别、LLM 和语音合成组件，并不等于得到最好用的语音智能体。识别错误会沿整条处理链传递；首个
苹果披露了从个性化播客初创公司Huxe聘请团队并授权技术的交易
苹果希望进入人工智能生成的播客业务吗？
人工智能非常擅长对付网络犯罪分子
反网络犯罪计划越来越多地使用人工智能来欺骗骗子，欺骗他们与他们认为是真正受害者的逼真机器人交谈。
谷歌发布了一款新的本地首创格兰诺拉麦片竞争对手
谷歌新的人工智能Edge Forecycle应用程序与Granola竞争，它配备了离线会议笔记记录器，可以使用设备上的人工智能转录对话、生成笔记并回答问题。