TechCrunch：AI（RSS）
40
《粉雄救兵》生活教练 Karamo Brown 推出健康应用 Kē，其核心特色为基于 AI 初创公司 Delphi 技术打造的“AI Karamo”数字克隆。该克隆通过学习 Brown 的采访、播客等内容，可与用户实时对话并提供建议。应用还提供个性化健身计划、基于家中食材的营养指导、冥想视频及社区支持功能。Kē 已上线 iOS 和 Android，订阅费 $14.99/月，提供 3 天免费试用。
《粉雄救兵》生活教练 Karamo Brown 推出健康应用 Kē，其核心特色为基于 AI 初创公司 Delphi 技术打造的“AI Karamo”数字克隆。该克隆通过学习 Brown 的采访、播客等内容，可与用户实时对话并提供建议。应用还提供个性化健身计划、基于家中食材的营养指导、冥想视频及社区支持功能。Kē 已上线 iOS 和 Android，订阅费 $14.99/月，提供 3 天免费试用。
Canonical 公布 Project Myna，为 Ubuntu 桌面打造的本地语音转文字工具，首个版本随 Ubuntu 26.10 发布。Myna 仅提供听写功能：用户按下键盘快捷键后说话，转录文字直接插入当前应用，屏幕显示视觉反馈。所有识别在本地运行，下载模型后无需联网；麦克风仅在激活时被访问，音频数据在内存中处理后丢弃。首版以 Wayland 上的 GNOME 为主要验证环境，架构采用模块化设计，源码和文档已以 GPLv3 协议托管于 GitHub。后续计划加强桌面集成并优化听写体验。
火山引擎上线豆包实时语音模型3.0（Seeduplex）API 服务并开启邀测。该模型为原生全双工端到端语音大模型，具备精准遵循、抗干扰、动态判停三大优势。可在多人对话中安静待命，指定话题出现时主动加入；支持通过自定义工具在实时交互中完成预定日历、发送邮件等任务。抗干扰力提升，误回复率与误打断率大幅降低；判停延迟缩短约250ms，复杂场景抢话比例下降40%，用户主动打断延迟缩短约300ms。适用于汽车智能座舱、智能硬件、智能客服等场景。
讯飞AI眼镜6月18日在京东首销，定价4299元（部分国补后3369元），重40克，获SGS舒适认证。核心搭载语音同传大模型，支持122种语言翻译，覆盖通话翻译、线上同传、同声传译（8米全向拾音）、面对面翻译（18语种离线）、视觉翻译及附赠App权益等六大场景。还支持实时提词、蓝牙遥控翻页，内置GlassClaw AI助理，可开会自动总结图文纪要。
MOSS-TTS-Local-Transformer-v1.5 是一款开源 TTS 模型，支持 48 kHz 立体声、零样本声音克隆、最长 10 分钟长文本合成、时长控制及 31 种语言。其核心采用 Qwen3-4B 骨干与约 2B 参数的 MOSS-Audio-Tokenizer-v2 音频编解码器，通过 12 个 RVQ 码本运行。SGLang-Omni 以三阶段流水线部署该模型。在 Seed-TTS-Eval 上词错误率 5.10%、语音相似度 69.23%，CV3-Eval 上 WER 7.48%、SIM 61.59%，MiniMax Multilingual 上 WER 6.37%、SIM 75.31%，X Voice 上 WER 20.48%、SIM 63.00%。
Anthropic 正升级 Claude 的语音模式，新增西班牙语、中文、日语、德语、葡萄牙语、俄语和乌克兰语等语言选项，打破仅支持英语的限制。语音交互引入两种模式：原有的免提模式支持连续对话，新增按下通话模式需按住按钮说话、松手发送语音消息。iOS 版 Claude 应用出现类似电话听筒的新图标，外界猜测可能为更接近通话的语音交互做准备。
据《读佳》今日报道，千问团队将推出名为“千问输入法”的独立App，其AI功能与键盘针对手机端操作优化，区别于PC端千问语音输入法。产品已开发完成，择日上线各大应用商店。继微信输入法、豆包输入法后，这将是国内第三家头部互联网大厂入局独立AI输入法赛道。千问语音输入法是今年5月上线的AI语音输入能力，集成于千问App内，支持口语去语气词、纠错、格式化整理，以及基于上下文的智能回复、创作、问答与翻译指令。
Google推出首款专为Gemini打造的智能音箱Google Home Speaker，售价99.99美元。支持自然语言请求和多步指令，可在说话中途纠正，并具备连续对话功能。内置10种新声音。高级AI功能需订阅Google Home Premium（月费10美元或年费100美元），包括Gemini Live自由对话、Nest摄像头活动摘要等。即日起预售，本月发货。
谷歌去年八月发布的新款智能音箱 Google Home Speaker 现已开启预售，售价 $99.99，6 月 25 日正式开售。扁球体织物外观有淡褐、瓷白、翠绿和浆果红四色。支持 360 度声场，底部环形灯带在语音交互时亮起，配备三个远场麦克风和静音开关。内部搭载四核 A55 处理器及专用 NPU，运行本地 AI 模型提升降噪。仅有一个 58mm 全频驱动单元，音质介于 Nest Audio 与 Nest Mini 之间。可与 Google TV Streamer 配对实现沉浸式音频，兼容其他 Nest 设备。购买附赠六个月 Google Home Premium，启用 Gemini Live 支持连续对话。
谷歌发布新一代 Google Home 智能音箱，搭载 Gemini for Home AI 语音助手，支持自然语言交流与多步骤语音指令，用户中途改口也能正确理解。球形设计，360° 环绕音效，麦克风系统可自动调节拾音。硬件：1GB LPDDR4 内存、四核 Cortex-A55 2.0GHz 处理器、4GB 存储，顶部电容触控，3D 织物材质三种配色。可与 Google TV Streamer 组成立体声环绕系统。6 月 25 日上市，定价 100 美元（约 677 元）。
Google Home Speaker 于 6 月 17 日开启预购，6 月 29 日发货，售价 $99。该音箱专为 Gemini for Home 设计，内置本地模型用于降噪和回声抑制，支持 360 度音频，可配对立体声或配合 Google TV Streamer 实现空间环绕声。它还是 Matter 控制器和 Thread 1.3 边界路由器。Gemini for Home 延迟降低 40%，修复超 25,000 个问题，新增 50 余项功能。部分高级功能（如 Gemini Live）需订阅 Google Home Premium（$10/月），购买前可获赠 6 个月。
DeepL 收购了实时音频初创公司 Mixhalo，将其翻译套件扩展至现场活动。Mixhalo 成立于 2016 年，由 Incubus 吉他手 Mike Einziger 等联合创立，最初为演唱会改善听音体验，后转向体育及现场活动的实时音频服务，累计融资超 3900 万美元。Mixhalo 此前已是 DeepL 的主要翻译客户。DeepL 于 2024 年推出覆盖 33 种以上语言的语音转文本翻译，今年 4 月又推出支持多语言会议的语音转语音翻译套件。收购后，DeepL 将在旧金山湾区开设办公室以扩大美国业务。
OpenAI 正筹备推出 GPT-Bidi-1 模型，采用双向（BiDi）架构，能同时听和说，吸收用户打断并在对话中实时调整。相比已进化至 GPT-5.5 的文本模型，ChatGPT 的语音能力仍基于较旧音频技术栈，GPT-Bidi-1 旨在弥合这一差距。上线后用户可切换双向模式与现有高级语音模式，并支持 High、Medium 及 Instant 智能等级，按任务调整速度和深度。
6 月 17 日，谷歌正式推送 Android 17 正式版及 Wear OS 7，首发搭载 Pixel 设备。新系统集成音乐生成模型 Lyria 3、多模态大模型 Gemini Omni 及基于 AudioLM 的语音翻译工具（适配 Pixel 10a）。Pixel 专属更新：Gemini Omni 支持对话中剪辑视频，Lyria 3 可输入文字或图片生成曲目；老款 Pixel 8a、9a 快速分享兼容苹果 AirDrop。系统新增“气泡任务栏”多任务控件、同屏录摄、家长管控及折叠屏 50/50 游戏模式。手表新增车祸、摔倒、无脉搏自动呼救，续航提升 10%，夏季将上线 Gemini 桌面小组件。
Google 近日发布 Android 17 正式版及 Wear OS 7，率先登陆 Pixel 设备。Pixel Drop 新增 AI 模型支持：音乐生成模型 Lyria 3、多模态 Gemini Omni 及基于 AudioLM 的语音翻译工具（Pixel 10a）。Quick Share 文件分享兼容 Apple AirDrop。Android 17 引入“气泡栏”多任务界面、自拍屏幕录制、折叠游戏模式（50/50 布局与动态手柄）以及“标记为丢失”等安全与家长控制功能。Pixel Watch 新增车祸/跌落/无脉搏自动紧急呼叫。Wear OS 电池续航提升最高 10%，并将在夏季推出更多 Gemini 智能功能。
AI记事本公司Plaud宣布售出超200万台设备，订阅业务年化经常性收入（ARR）突破1亿美元。去年推出179美元的Plaud Pro，今年新增类似定价的Plaud Pin S。软件方面，年初上线桌面应用，可录制系统音频为在线会议做笔记；上月推出面向企业的Plaud Teams（含共享记忆）。用户购买硬件可免费获得300分钟转录，约50%的设备用户从基础版升级到Pro或无限版，构成主要收入来源。
苹果AI版Siri迟迟未上线，项目负责人迈克·罗克韦尔在WWDC技术分享会上透露，去年团队曾做出在原有Siri基础上小幅改良、新增工具调用的可运行版本，但因无法达到产品愿景，最终选择推倒重来，完整从零重构系统，依托全新大模型搭建。重构后的Siri拥有独立应用程序，原生支持多模态交互，隐私保护贯穿底层架构，并覆盖iPhone、iPad、Mac、Apple Watch、Vision Pro、CarPlay、AirPods等全平台，提供统一连贯体验。
同一事件，精选展示《受 DMA 影响，Siri AI 在欧盟将随 iOS 27 和 iPadOS 27 延迟上线》昆仑万维Skywork首席科学家成宇在智源大会上介绍SkyReels V4与Mureka V9。SkyReels V4在Artificial Analysis全球视频生成评测中夺得Text to Video（With Audio）与Image to Video（With Audio）双赛道第一，超越Veo 3.1和Sora 2。其四大突破包括双流MMDiT架构实现毫秒级音画同步、全模态强化学习提升视频逻辑连贯性，以及1080p/32FPS/15秒电影级画质联合生成策略。Mureka V9引入MusiCoT音乐思维链技术，实现段落级文本控制与母带级混音，在旋律性（7.25）、表现力（6.89）等维度排名第一。此外，昆仑万维以“4+3”AGI战略支撑AI短剧、AI音乐、AI游戏三大AI原生娱乐经济体。
科大讯飞AI眼镜6月15日在京东开启预售，定价4299元（部分地区国补后低至3369元），重40克。搭载讯飞端到端语音同传大模型，支持122种语言（含方言、口音）翻译，覆盖通话翻译、线上同传、同声传译（8米全向拾音）、面对面翻译（18语种离线）、视觉翻译等六大场景。内置GlassClaw AI助理，支持一句话跨端任务、会议自动生成图文纪要、实时提词、蓝牙遥控翻页，并提供多种近视镜片选配。
苹果在 WWDC 公布 AI 版 Siri 等新功能，古尔曼称还有三项功能在开发，预计 9 月推出。包括：Apple Watch Ultra 简约版模块化极致表盘（保留大时钟但取消第二行组件）；Siri 扩展功能将接入 ChatGPT 等第三方 AI，但苹果计划开发 API 让应用直接接入 Siri（而非单独签协议），隐私标准可能不同，推迟原因涉欧盟立场、关注度等；以及可自定义相机应用（调整按钮位置），将随 iPhone 18 Pro 于 9 月发布。
蚂蚁集团正对支付宝进行重大改版，引入AI Agent（AI智能体）交互界面。用户可通过文字或语音向AI助手“阿宝”发出叫网约车、点咖啡、点外卖等指令；在获得授权后，阿宝还能执行买基金、管理投资账户等理财任务。目前该版本尚无具体上线时间。
Simon Willison 于 2024 年 12 月构建了基于 OpenAI WebRTC API 的音频会话工具，用于与实时音频模型交互。上月 OpenAI 为该 API 推出新模型 GPT‑Realtime‑2，号称“首个具有 GPT‑5 级推理能力的语音模型”，知识截止日期为 2024 年 9 月 30 日。该工具现已更新，支持选择此模型，并可粘贴大段文档上下文，使用户能在浏览器中围绕任意信息进行音频对话。
iOS 27 Beta 1 新增“高级听写预览”功能，支持离线运行。该功能提升语音转写准确率，能实时处理大写字母与标点符号。默认禁用，需在“设置→通用→键盘→听写”中手动开启。适配机型包括 iPhone 17 Pro、iPhone Air、第二代 Vision Pro（M5芯片）、搭载M4及以上芯片且内存≥12GB的iPad、搭载M3及以上芯片且内存≥12GB的Mac。
苹果发布了新版Siri AI，The Verge编辑David和Nilay在The Vergecast中分享了初期体验。过去十几年Siri在"部分功能勉强可用"和"彻底翻车"之间摇摆，而新版Siri AI在多数任务上表现足够出色，尽管没有带来突破性创新，但相比过往已发生质变。
苹果软件负责人 Craig Federighi 在接受 Mostly Human 采访时表示，新版 Siri 不会像 OpenAI、Google 等公司的聊天机器人那样谄媚和过度互动。Federighi 指出，现有许多聊天机器人为了拉拢用户会鼓励对方表露个人信息，而苹果有意采取了不同设计策略，让 Siri 懂得适时保持沉默。
法国音乐流媒体平台 Deezer 昨日推出一款免费工具，可扫描 Apple Music、Spotify 等第三方平台的播放列表，检测是否包含 AI 生成音乐。Deezer 是首批标注 AI 音乐的平台之一，此前曾向其他平台推销该识别技术但未获回应。CEO Alexis Lanternier 表示，既然没有平台跟进，就让所有用户自行检测。使用方法：访问 Deezer 检测网站，选择流媒体服务并授权账户即可完成分析。
苹果软件工程高级副总裁克雷格·费德里吉在《Mostly Human》播客中明确表示，全新 Siri 不会成为用户的 AI 男友或女友。他指出，Siri 的设计理念是提供“实用工具”而非“情感陪伴”，不会迎合用户或扮演恋爱角色。营销副总裁格雷格·乔斯维克补充，苹果将 AI 自然融入 iPhone 等产品，让技术“消失”，专注于提升现有使用体验，而非为了做 AI 而做 AI。
京东JoyInside与惠达推出行业首款搭载JoyInside统一智能中枢的卫浴套系“惠达小京灵系列AI卫浴套装”，含AI智能马桶、AI智能花洒、AI智能浴室柜。依托JoyAI大模型，设备支持语音控制、模糊语义理解、连续多轮对话及方言识别，可实现自动预排冷水、语音控温、镜面除雾等场景联动。套系已开启预售，6月17日晚8点正式售卖。JoyInside已与近200家机器人、AI玩具、家电家居品牌合作，预计年内接入超千万终端设备。
Deezer 将扫描用户在其它流媒体平台的播放列表，检测其中的 AI 生成音乐。Deezer 是最早标记 AI 生成音乐的大型流媒体服务之一，曾向其他平台提供该技术但少有采纳。Deezer CEO Alexis Lanternier 表示，由于没有其他公司跟进，他们决定让用户无论使用哪个平台，都能检查自己的播放列表中是否包含合成音乐。
小米发布并开源终端AI编程助手MiMo Code V0.1.0，采用MIT协议。内置限时免费MiMo-V2.5多模态模型，性能比肩Claude Sonnet 4.6；支持接入DeepSeek、Kimi、GLM等模型。核心能力包括持久记忆系统（项目记忆、会话检查点、任务进度）和无限上下文——通过独立subagent自动保存状态解决长会话遗忘。独创Compose模式实现模型与Agent协同优化，SWE-Bench Pro达62%（Claude Code 57%），Terminal Bench 2达73%（68%）。内置语音输入和/dream命令，每7天自动合并记忆。终端输入mimo即可使用，所有设置中文汉化。
外媒 The Verge 体验苹果 iOS 27 全新 Siri AI，发现其回复极为简洁，不套近乎。相比谷歌 Gemini 热情外放、ChatGPT 力求沉稳但仍拉近距离，Siri AI 只回答问题，不作闲聊引导。例如问“最近怎么样”，Siri AI 直接建议开启设置搜索新闻；问天气时提示美国国家气象局已发布极端高温预警；问“你能做我的朋友吗”回答“无论顺逆境，我都会做你的朋友”；问“你喜欢我吗”回答“我觉得你很不错”。苹果将 Siri AI 定位为实用工具，新版需等到今年秋季 iOS 27 正式推送后全面开放。
UWA 世界超高清视频产业联盟宣布，鸿蒙版 QQ 音乐于 6 月 10 日上线搭载 Audio Vivid 技术的「臻品全景声 3.0」功能；鸿蒙版酷狗音乐将于 6 月 12 日接入并同步上线「AI 音乐现场」功能。Audio Vivid 是 UWA 联盟发布的全球首个基于 AI 技术的三维声音频编解码标准，此前已用于总台春晚、奥运会等大型直播。
麦当劳正在测试一款名为ArchIQ（昵称Archy）的AI系统，由Google支持，可处理免下车订单并协助餐厅运营。该测试目前在美国五家门店进行，具体地址尚未公布。
物联网模组厂商利尔达（蜂窝模组出货量全球第四）与百度智能云合作，将后者的多模态实时互动、超拟人语音模型、长期记忆、情绪识别、Function Call设备控制、MCP生态扩展等AI能力通过轻量级SDK深度集成至模组中。联合方案实现端到端响应时长低于2秒，休眠功耗低至3µA，支持多语言出海，并将硬件研发周期从年压缩至周级别。百度智能云已服务逾千家AI硬件企业，覆盖国民级终端、全场景智能及AI原生硬件。
研究在CosyVoice3的语言模型骨干上训练BatchTopK稀疏自编码器，并引入模态感知自动解释管道，为每个特征标注其触发来源（文本前缀、1秒语音片段或两者）。恢复的特征涵盖音素、笑声、口音提示和说话者性别，可解释性强。通过SAE潜空间进行操控表明这些特征具有因果性：定向干预使笑声概率从0.02升至0.79，翻转感知的说话者性别，并在保留口语内容的同时控制语速。SAE特征既可作为可解释性对象，也可作为TTS合成的控制方向。
博主 @缪特mt 发文称小米 miclaw 已实现 AI 上岛，展示效果并透露澎湃 OS 4 有新交互。@数码闲聊站 称某国产迭代 OS 将实现 AI 语音助手上岛，该功能在苹果 iOS 27 发布前已开发完成。苹果在 WWDC26 演示 Siri AI 于灵动岛弹气泡执行操作。miclaw 基于小米 MiMo 大模型，2026 年 3 月 6 日首启小范围封测，4 月 21 日扩展至 PC、Mac、有屏音箱等多终端。卢伟冰 5 月 16 日表示 miclaw 不会取代小爱同学，未来计划将其能力与“超级小爱”合体增强小爱。
随着 iOS 27 开发者预览版发布，Siri 反馈错误报告诊断文件中包含完整 LLM 指令文件 siri_prompt.md，超 1300 行、约 22000 token，已上传 GitHub。提示词定义 Siri 为苹果智能助手，要求先思考再决定是否调用工具，优先使用设备本地数据和搜索结构化信息，信息缺失或歧义时必须询问用户，不得编造。苹果未回应。Siri AI 将在 iOS 27、iPadOS 27、macOS 27、visionOS 27 测试版中开放测试，未来加入 watchOS 27。Apple Intelligence 支持 17 种语言，但 Siri AI 因监管要求不会在中国大陆推出。
博主 @数码闲聊站 爆料，某国产迭代 OS 将实现“AI 语音助手上岛”功能，并已在苹果 iOS 27 发布前开发完成。作为对比，苹果在 WWDC26 中展示的 Siri AI 在灵动岛上弹出大气泡，支持回答问题、设置提醒、播放音乐、搜索照片、屏幕感知、设定导航等操作，还可理解个人情境、执行 App 操作、感知屏幕、理解图像及调用广博知识。
香港生成式人工智能研发中心（HKGAI）联同观塘民联会、香港升旗队总会启动全港首个“AI社区示范区”，培育首批50名社区AI大使。HKGAI推出三款AI工具：“港话通”可查询天气食谱、计算卡路里，已与佳宝超市打通积分；“港会通”与“港文通”支持多语言实时翻译、会议纪要自动生成及公文撰写校对。项目采取“手把手”教学，由社区AI大使指导街坊，并为行动不便者提供上门教学。HKGAI V1是香港首个AI大模型，本次观塘项目将作为试点推广至全港18区。
iOS 27 新增 Siri 独立应用，苹果高管克雷格·费德里吉在发布会后技术分享会上解释，推出该应用并非转变聊天机器人战略，而是为用户提供一处可回看、查阅过往 Siri 对话记录的入口。他指出，Siri 本质上是深入融入系统、随用随取的交互工具，而非孤立聊天工具；在主屏幕放置独立应用是让用户管理历史对话的最直观方式。