用 NVIDIA Nemotron 开源模型打造万圣节鬼屋：会说话的 MonsterHouse
NVIDIA 员工用 Nemotron Voice Agent 搭建了万圣节互动装置 MonsterHouse，让车库门以暴躁老海盗船的口吻与讨糖孩子对话。
#语音
Hugging Face BlogAI 评分4242
TechCrunch · AIAI 评分2727 Rivian 与大众 58 亿美元合资公司扩展至 AI 助手，技术或首搭 ID EVERY1
Rivian 将其 AI 语音助手技术的部分组件授权给大众集团，纳入双方 58 亿美元的合资公司。该助手已于 2026 年 9 月上线 Rivian R1S、R1T 和 R2，大众首款采用该合资软件与电子架构的车型预计是低成本电动车 ID EVERY1。Rivian 未披露授权费用与具体适配车型。
TechCrunch · AIAI 评分5050 Granola 推出听写功能，与 Wispr 正面竞争
以会议记录工具起家的 Granola 上线听写功能，用户按 Fn 键即可在 Mac 任意应用中语音输入，工具会自动清理并格式化文本，且不限字数、免费使用。该功能将陆续登陆 iOS 和 Windows。此前 Wispr 已从听写工具扩展至会议记录，Fireflies、Speechify、Monologue 等语音应用也在走向多功能融合。
Hugging Face BlogAI 评分3131 Granite Switch 4.1.1 发布：像更新软件一样更新模型
IBM 发布 Granite Switch 4.1.1 补丁版本，与 4.1 完全向后兼容、无需迁移，基础模型未重新计算，只需组合最新适配器即可部署。更新包括支持 10 种语言、原生标点与大小写的 Granite Speech ASR 模型，以及在 Jev Decision Index 测试集上性能提升的 granitelib-core Decision 适配器。
TechCrunch · AIAI 评分4949 Deepgram 收购 Pipecat 开发商 Daily，强化语音 AI 基础设施
Deepgram 宣布收购开源语音 AI 框架 Pipecat 的开发商 Daily，交易金额未披露，双方承诺 Pipecat 将永久保持开源。Daily 迄今融资超 6200 万美元，Deepgram 今年早些时候以 1.3 亿美元 C 轮融资跻身独角兽。
Hugging Face BlogAI 评分5858 AnySpeechRecognizer 与 AnyDecisionModel 发布：面向 Apple 平台的语音与决策开源模型包
AnySpeechRecognizer 与 AnyDecisionModel 两个 Swift 包发布，前者在 Apple 的 SpeechAnalyzer API 下可切换 Apple、NVIDIA Parakeet 与阿里 Qwen3-ASR 引擎并新增说话人分离，后者以概率方式回答是非、多选和评分问题。
爱范儿AI 评分5050 不认字的 AI，却很会说话：Dessa 与 Grok Voice 3.0 的语音路线之争
前推特联合创始人 Jack Dorsey 旗下 Block 研究团队 Dessa 推出完全跳过文字、只用声音训练的语音模型，可在配备 M4 Max 芯片的 MacBook Pro 上本地运行。
The Decoder同新闻AI 评分7171 Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转写 40 种语言、将其中 31 种与英语互译，并识别 13 种语言中的说话人，支持最长 1 小时、最多 8 人的录音。
同一新闻，精选展示《NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线》
Hugging Face Blog精选AI 评分7171 NVIDIA 发布 Nemotron 3.5 Transcribe 与 Granary v2 数据管线
NVIDIA 发布开源权重模型 Nemotron 3.5 Transcribe，将转写、说话人分离、翻译和音频问答整合到一个 checkpoint，支持 40 种语言转写、31 种语言与英语互译、13 种语言说话人标注，可处理最长 1 小时录音、最多 8 位说话人。
推荐理由：原文给出多语言转写、说话人分离与提示词控制的具体能力，以及配套数据管线和微调配方，便于评估落地方式。
NVIDIA BlogAI 评分5858 NVIDIA RTX Spark 笔记本更新：新增 Nemotron 3.5 Transcribe 与智能体资源管理
NVIDIA 为 RTX Spark 轻薄笔记本带来一批更新，包括开放权重语音模型 Nemotron 3.5 Transcribe、LFM3 系列模型支持，以及 NVIDIA App 中可在前台应用与后台智能体之间分配 GPU 资源的控制项。
TechCrunch · AIAI 评分5858 英伟达发布开源语音转写模型 Nemotron 3.5 Transcribe
英伟达发布免费开源权重模型 Nemotron 3.5 Transcribe，支持最多 40 种语言的音频转写，并同步更新开源语音数据集 Granary 第 2 版。
爱范儿AI 评分6060 实测讯飞输入法 16.0：意图成稿与语音改口能省多少事
作者实测讯飞输入法 16.0.1，其第三代语音输入「意图成稿」可读取截图与长程记忆，跨聊天框直接生成汇报、请假、点评等草稿。语音底座接入 Spark-ASR-2.0，支持边说边改的口令编辑，官方称方言识别准确率由 85% 提升至 91%，高噪环境从 66% 升至 84%。个性化 AI 键盘汇集 15 万名创作者的 30 万个表达技能，并新增可互动的「键盘搭子」。
OpenAI NewsAI 评分2222 Retell 借助 OpenAI 模型支撑每月 1 亿次通话
Retell 使用 OpenAI 模型支撑每月 1 亿次通话，GPT-6 Astra 在其语音智能体基准测试中排名第一。Codex 还帮助 Retell 实现每位员工 160 万美元的年化营收。
Ars Technica · AIAI 评分3838 Apple 发布 iOS 与 macOS 27.2，带来新 Siri AI 功能和新 Music 标志
Apple 发布 iOS 与 macOS 27.2，新增 Siri AI 功能并更换 Music 标志。新版本支持限制 Siri 可直接访问的应用范围。
黑板洞察AI 评分4040 灵宇宙小方机：儿童AI硬件为何选择"少做一点"
灵宇宙在2026西岸国际科技消费嘉年华（WTCC）上分享了儿童AI设备小方机的设计思路：AI学伴不直接给答案，而是通过"北京动物园大探险"等探索任务和"学习专注空间"引导孩子先观察、尝试。产品面向8至12岁与4至7岁孩子分别设置新闻思辨栏目，并生成"好奇心日报"供家长与孩子讨论。
TechCrunch · AIAI 评分2222 值得关注的 AI 可穿戴设备与硬件盘点：Bee、Friend、Limitless、Muse Charm 等
TechCrunch 盘点了当前值得关注的 AI 可穿戴与便携设备，包括 49.99 美元的 Bee 吊坠、129 美元的 Friend 情感陪伴吊坠、99 美元的 Limitless 录音吊坠和 159 美元的 Plaud NotePin。
TechCrunch · AIAI 评分6060 Block 发布全双工语音模型 Dessa，可在本地运行
Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa，可同时说话和聆听，并能表现笑声、停顿和哭腔等情绪。该模型完全基于人类语音训练，可在 MacBook M4 Max 或更强的消费级设备上本地运行，目前尚未公开开放，Block 正邀请安全研究人员参与测试。
The DecoderAI 评分5555 Block 发布纯语音训练的 AI 模型 Dessa，可实时识别情绪与语气
Block 发布语音模型 Dessa，称其完全基于人类语音数据从零训练、不含文本数据，直接以音频处理语音，可实时捕捉情绪、讽刺、笑声和停顿，并支持全双工同时听说。该模型可在 MacBook Pro M4 Max 本地运行，训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开，团队先招募 AI 安全研究者测试潜在风险，感兴趣者可通过表单报名。
量子位AI 评分2222 声网CEO赵斌提出五级对话能力框架，实时互动迈入对话 AGI 时代
声网创始人兼 CEO 赵斌在 iRTE2026 实时智能大会上提出"五级对话能力"框架，将对话能力从 L1 基于自身视角的表达逐级划分到 L5 基于深度关系的沟通。他认为实时互动的对象正从人与人扩展到人与 Agent，对话式 AI 需突破复杂社会场景下的角色分工与长期上下文理解。声网对话式 AI 引擎以全双工交互为核心，连接模型、Agent 运行框架与用户。
量子位AI 评分4040 科大讯飞首发星辰TaaS平台，并发布星火X2.6与Agent OS
科大讯飞在2026全球1024开发者节上首发星辰TaaS平台，构建从星辰MaaS底层模型能力到行业解决方案的全链路体系，让Token融入真实业务流程。同步发布的星火X2.6将上下文窗口扩容至百万Tokens，端云路由准确率从81.2%提升至96.1%，并开源星火X2.6-4B端侧模型。讯飞开放平台还首次推出Agent OS及XFYUN CLI开发工作台，后者支持一句命令调用700多项AI原子能力。
The Verge · AIAI 评分5555 Block 发布语音到语音 AI 模型 Dessa，仅用人类对话训练
Jack Dorsey 旗下 Block 发布 AI 模型 Dessa，该模型完全基于人类对话从零训练，是真正的语音到语音模型，可在 MacBook Pro M4 Max 或更高配置上本地运行。
OpenAI NewsAI 评分2222 Anima 借助 GPT-6 与 GPT-Live 将诊所电话等待时间缩短 75%
Anima 使用 GPT-6 和 GPT-Live 将诊所电话等待时间降低 75%，帮助护理团队提升患者响应能力。
AWS Machine Learning BlogAI 评分4848 在 Amazon SageMaker AI 上用 Kokoro TTS 为 AI 智能体流式输出低延迟语音
在 Amazon SageMaker AI 上托管的 Kokoro-82M 文本转语音模型可按句流式合成，让 AI 语音智能体在第一句生成后就开始播放音频，而不必等完整回复结束。该模型仅 8200 万参数，可运行在单台 ml.g5.xlarge GPU 实例上，容器同时提供 POST /invocations 与 WebSocket 双向流两条路径。
AWS Machine Learning BlogAI 评分5858 Amazon Polly 生成式引擎升级，新增 14 种语音并首次支持印地语和芬兰语
Amazon Polly 生成式引擎完成升级并正式可用，语音更自然、更准确且保持低延迟，新增 14 种语音、覆盖 9 个 locale，生成式语音总量达 57 种、覆盖 11 种语言和 25 个 locale。
The Verge · AIAI 评分2222 Google 将对话式 Gemini 导航引入 Apple CarPlay
Google 面向美国 Apple CarPlay 用户上线 Google Maps 中的对话式 Gemini 导航，并称全球推送也在进行中。用户可点击车机屏幕上的 Gemini 图标，用语音提出多步问题，例如先询问推荐地点再让其避开收费路段导航。此次更新未提及昨日为 Android Auto 和内置 Google 汽车发布的 Personal Intelligence 功能。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列语音模型
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
The DecoderAI 评分6262 ElevenLabs 发布两款实时语音到语音模型 Eleven Realtime
ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型。Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间为 0.57 秒，ElevenLabs 称 Artificial Analysis 榜单上没有模型同时更快且更准确。
The DecoderAI 评分6969 Mistral AI 发布 Voxtral 3 实时语音智能体全栈
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型家族，包含语音转文字模型 Voxtral Small Transcribe 3、文字转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。
Mistral AI精选AI 评分7878 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。
推荐理由：原文给出语音转写与合成模型的基准对比和每分钟定价，可据此判断语音智能体的部署成本与选型空间。
TechCrunch · AIAI 评分4040 Yelp 上线 Check for Me：AI 语音智能体代用户致电餐厅查询等位时间
Yelp 新增 Check for Me 功能，用户可在餐厅页面输入用餐人数和手机号，由 AI 语音智能体代为致电餐厅查询等位时间，并以短信回传结果。Yelp AI 助手同步接入 OpenTable，可在应用内直接订座，并记住历史对话中的偏好、支持查看过去 30 天聊天记录和设置自定义提醒。
NVIDIA BlogAI 评分2222 西班牙初创企业借助巴塞罗那超级计算中心推进区域创新
巴塞罗那超级计算中心（BSC）的 AI Factory 加速器计划已从试点转为全面运营，为初创企业提供主权算力、技术支持和培训，部分服务现已通过 NVIDIA Inception 门户开放。
少数派AI 评分2222 派评：紫毫 Hare、Platen、Brink、TVScope 等近期值得关注的 App
本期派评介绍了多款新上架 App：紫毫 Hare 把 Rime 引擎与雾凇词库装进 iPhone，支持小鹤双拼与端侧纠错，基础功能免费、Pro 一次性买断；Platen 将 iPhone 变成复古打字机。
极客公园AI 评分5858 OPPO AI 心力球体验：9.8 克全天候录音硬件如何接入手机工作流
极客公园体验了 OPPO 在 9 月 17 日 ODC 上首次亮相的 AI 心力球，主机含 C 桥夹仅 9.8 克，满电支持 24 小时连续记录，取出即自动聆听、放回收纳盒即停止。
TechCrunch · AIAI 评分5858 亚马逊旗下 Bee 推出两款个人 AI 设备，起售价 74.99 美元
亚马逊旗下 Bee 发布两款个人 AI 设备，可穿戴的 Bee Frontier 售价 74.99 美元，磁吸在手机背面的 Bee Eclipse 售价 99.99 美元。
爱范儿AI 评分4747 苹果 HomeView 发布：家庭 AI 绕不开「语音+屏幕」，小度已先行落地
苹果 10 月 13 日发布带屏智能音箱 HomeView，搭载 A18 处理器和 8GB 内存，支持最多 6 个 Apple ID 数据隔离与 Siri AI 交互，放弃纯语音控制转向「语音+屏幕」。
量子位AI 评分3131 网易叭哥说上线“用户荣誉联创计划”：10 万元征集产品建议，不卡学历专业
网易首个AI原生语音Agent「网易叭哥说」上线“用户荣誉联创计划”，投入10万元征集产品建议，设11个名额、单人最高5万元，不设学历专业门槛。该Agent可将自然口语转为结构化文本，口语输出对键盘打字效率比值提升至5倍，支持124个语种实时语音互译，专业领域翻译精准度达98%，数据本地处理且终身免费。
少数派AI 评分4747 派早报：Apple 智能国行 Beta 版本月晚些时候上线测试、Grok Voice 3.0 发布、Step 5 Preview 开放权重
Tim Cook 确认 Apple 智能国行 Beta 版本将于本月晚些时候上线测试，包含实时翻译、照片消除工具和写作工具，但不含 Siri AI。SpaceXAI 发布 Grok Voice 3.0 语音转语音模型，Artificial Analysis 语音榜单以 86.9 分居首，API 定价每分钟 0.08 美元。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Switch 4.1：单端点同时支持聊天、决策与语音
IBM 发布 Granite Switch 4.1，提供 8B 和 30B 两个版本，在同一个托管端点内同时支持自然语言对话、通用与专用决策以及语音转写。