Berryxia.AI@berryxia在ScaleAILabs的音频多挑战榜单中，OpenAI新发布的GPT-Realtime-2超越Google的gemini-3.1-flash-live，位居榜首。其指令保持能力较前代大幅提升，从36.7%增至70.8% APR，并在实时语音编辑方面表现突出，这对语音代理应用至关重要。尽管Google此前在图像模型和Gemini 3.1等产品上有过亮眼表现，但评论认为其在当前激烈的AI竞争中尚未展现出决定性的“杀手锏”。市场格局变化迅速，没有永远的赢家，期待Google能尽快推出突破性产品。
Congrats to @OpenAI for taking the top spot on our Audio MultiChallenge S2S leaderboard with the release of GPT-Realtime...
据报道，iOS 27系统将对Siri进行彻底重构，其底层将基于谷歌Gemini构建，交互模式将从指令式转变为类似ChatGPT的对话模式。新版Siri将与备忘录应用深度整合，用户可通过“把这个加到新备忘录”等语音指令，直接将AI生成的内容自动、完整地保存至备忘录，解决手动复制粘贴导致的流程繁琐和格式错乱问题。此外，Siri还能利用大语言模型能力，高效梳理信息并创建特定主题的备忘录。
OpenAI Developers@OpenAIDevs
Elon Musk@elonmuskYour customer support needs a voice agent built for the real world. Grok Voice Think Fast 1.0 handles complex workflows ...
据彭博社记者马克·古尔曼爆料，苹果正在开发两款智能穿戴设备。一款是尺寸类似AirTag的吊坠配件，可夹在衣物或作为项链佩戴，配备常开摄像头和麦克风，依赖连接iPhone及iOS 27版Siri进行语音交互与数据处理，无屏幕和投影仪，项目仍处早期，可能于2027年发布。另一款是计划在2026年底或2027年初推出的智能眼镜，内置摄像头、扬声器和麦克风，支持拍照、通话及Siri通知，并与Apple Intelligence整合优化导航等功能，采用自主设计的塑料镜框，但第一代不配备AR显示功能。
Berryxia.AI@berryxiaOpenAI在API中正式发布GPT-Realtime-2，称其为目前最智能的语音模型，为语音代理赋予了GPT-5级别的推理能力。该模型能实现真正的实时协作，在对话过程中同步完成聆听、思考与复杂问题解决，使交互如真人般自然流畅。同时发布的还有支持70多种语言的实时翻译模型GPT-Realtime-Translate，以及实时转录字幕模型GPT-Realtime-Whisper。这一系列音频能力共同定义了下一代语音界面，标志着语音AI从“辅助工具”向“实时智能伙伴”的跨越。OpenAI还预告了ChatGPT语音功能的重大更新即将到来。
Introducing GPT-Realtime-2 in the API: our most intelligent voice model yet, bringing GPT-5-class reasoning to voice age...
TestingCatalog News 🗞@testingcatalog@LexnLin yeah we need to
Greg Brockman@gdb新しいリアルタイム翻訳モデルを発表できることをうれしく思います。ぜひ本日よりAPIでお試しください。
Artificial Analysis@ArtificialAnlysOpenAI发布新一代旗舰语音模型GPT-Realtime-2。其在语音推理基准Big Bench Audio上取得96.6%的成绩，与Gemini 3.1 Flash持平，较此前最佳结果提升约13%。该模型同时在对话动态基准中保持领先，最小推理努力变体得分96.1%，尤其在停顿处理和轮转测试中表现突出。新模型支持从最小到xHigh的可调节推理努力等级，上下文窗口从32K增至128K，并支持文本、音频和图像输入，音频定价保持不变。
TestingCatalog News 🗞@testingcatalogOPENAI 🚨: 3 new models are now available on OpenAI Playground and APIs. - gpt-realtime 2 - gpt-realtime-whisper - gpt-r...
OpenAI发布了三款新型语音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper。其中，GPT-Realtime-2具备与GPT-5相匹配的实时推理能力，旨在实现更流畅、智能的实时对话交互。GPT-Realtime-Translate支持超过70种语言的实时翻译，而GPT-Realtime-Whisper则专注于实时语音转写功能。这一系列模型标志着OpenAI在实时音频处理和交互领域的重要进展，有望显著提升跨语言沟通和语音应用的体验。
MiniMax (official)@MiniMax_AIWorking as a public company in the ever-changing space of voice x AI: "The public market doesn't get it. You still need ...
Greg Brockman@gdbIntroducing GPT-Realtime-2 in the API: our most intelligent voice model yet, bringing GPT-5-class reasoning to voice age...
Chubby♨️@kimmonismusWe know you're eager for voice updates in ChatGPT. Stay tuned, we're cooking.
TestingCatalog News 🗞@testingcatalogIntroducing GPT-Realtime-2 in the API: our most intelligent voice model yet, bringing GPT-5-class reasoning to voice age...
宝玉@doteyOpenAI在Realtime API中推出了三款新语音模型：GPT-Realtime-2用于对话，GPT-Realtime-Translate用于翻译，GPT-Realtime-Whisper用于实时转录。GPT-Realtime-2具备GPT-5级别推理能力，在音频测试中性能显著提升，改进了交互体验，如任务前语音提示、工具调用透明化和128K上下文窗口，并支持调节推理强度以平衡延迟。GPT-Realtime-Translate支持70多种输入和13种输出语言的实时翻译，GPT-Realtime-Whisper提供流式转录功能。三款模型均已上线，并公布了API价格。
Introducing GPT-Realtime-2 in the API: our most intelligent voice model yet, bringing GPT-5-class reasoning to voice age...
OpenAI Developers@OpenAIDevsIntroducing GPT-Realtime-2 in the API: our most intelligent voice model yet, bringing GPT-5-class reasoning to voice age...
OpenAI API 推出了新的实时语音模型，能够进行推理、翻译和语音转录。这些模型显著提升了语音交互的自然度与智能水平，支持实时处理与多语言转换。新功能旨在为开发者提供更强大的工具，以构建更流畅、更智能的语音应用体验。
OpenRouter@OpenRouter绿联 X8 耳夹式蓝牙耳机现已发售，首发价399元。耳机采用专利C桥设计，内嵌钛镁合金记忆丝确保稳固佩戴。其搭载11mm双磁钛膜单元，支持Hi-Res/LDAC双金标认证与格莱美大师调音。核心亮点是首发VPU骨声纹降噪技术，结合4麦克风与2个VPU实现6麦通话降噪。此外，内置AI助手支持实时翻译与录音转写，配备蓝牙6.0与IP56防尘防水。电池续航方面，单次使用可达10小时，配合充电仓综合续航为46小时。
Parloa 推出基于 OpenAI 模型的语音驱动 AI 客服代理，具备可扩展性，支持企业设计、模拟并部署可靠的实时交互。该平台通过大语言模型技术，使客服系统能够处理自然语音对话，提升服务响应速度与准确性，帮助企业实现高效、个性化的客户沟通解决方案。
阿里千问在PC端上线AI语音输入功能，用户通过快捷键即可在各类桌面应用中直接使用。该功能不仅支持去除语气词、纠错和格式化整理口语内容，更能基于上下文智能回复，并可直接下达创作、问答、翻译等指令。其设计逻辑超越传统语音打字工具，旨在成为跨应用的AI任务调度中枢：用户通过按住快捷键启动语音输入模式，或双击切换至AI指令模式，可直接派发信息检索、文档生成等任务。该功能覆盖文档编辑、网页浏览、即时通讯等主流办公场景，无需切换客户端或打开额外窗口，目前所有用户可免费使用。
Berryxia.AI@berryxiaGoogle Translate的Live translate功能通过耳机提供70多种语言的实时同声传译。用户只需佩戴耳机并启动应用，即可在耳中直接听到翻译。该功能基于Gemini高级语音模型，不仅能准确翻译语义，还能保留说话人的语气、重音和节奏等细微特征，使交流体验更接近真人对话。这项技术旨在消除跨语言沟通的障碍，让用户在海外能进行更自然的交流。
Save this tip before your next big trip abroad ⬇️ With Google Translate's Live translate feature, you can get instant tr...
漫步者 Lolli5 ANC 智能触控大圆屏耳机已上市，售价539元，提供沙滩白、礁石黑、落日橙三种配色。其最大亮点是充电盒配备智能触控屏，可显示时间并控制音乐、拍照。耳机支持50dB深度、5kHz宽度的ANC自适应降噪和3+3麦智能通话降噪，拥有双Hi-Res金标认证。采用13mm双复合LCP液晶振膜单元，支持蓝牙6.0、双设备连接和IP55级防尘防水。此外，还集成了豆包与DeepSeek双脑问答、会议录音及App实时互译等智能功能。
微信鸿蒙版 App 发布 8.0.17.36 正式版，安装量已达 5369 万次。本次更新聚焦视频号、听一听及支付交互功能：视频号支持资料修改、新账号注册、双击点赞及直播选项细化；听一听新增 AI 写歌与翻唱功能，并可将歌曲设为状态或跳转至 QQ 音乐；支付方面新增 Apple 服务扣费管理，收款时可选择存入零钱或零钱通。此外，还优化了头像查看、图片引用浏览、跨端文件传输及聊天框语音转文字快捷按钮等多项用户体验细节。
Uber 宣布在其全球实时交通服务平台中集成 OpenAI 技术，用于驱动 AI 助手与语音功能。新功能旨在帮助司机更智能地规划接单以提升收入，同时让乘客能够更快完成叫车流程。该技术将应用于优化实时供需匹配与用户体验。
加拿大电信公司Telus正在使用人工智能技术实时调整客服代表的语音口音。该系统旨在改善通话清晰度与客户体验，通过AI处理使客服代表的语音更易于被客户理解。这一举措引发了关于技术伦理、文化认同及员工自主权的讨论，部分人士担忧其可能隐含的偏见或对多元性的压制。目前该技术已在部分客服通话中进行测试与应用。
Berryxia.AI@berryxiaInworld AI 发布了新一代实时对话语音模型 Realtime TTS-2，突破了传统TTS仅追求拟人化的竞争框架。该模型能够实时倾听完整对话，捕捉情绪、语气与节奏，动态决定回应方式，成为一个“会倾听、会共情、会适配”的对话伙伴。其关键创新包括：支持用自然语言语音指令像指挥大语言模型一样调整声音；同一声音身份可跨100多种语言保持一致性；还能通过文字描述生成全新声音并保存复用。这标志着语音AI从机械的“语音输出”迈向更贴近真人互动的“实时对话”时代。
Introducing Realtime TTS-2, a new generation of voice model built for realtime conversation. It is the first voice model...
宝玉@dotey用户在使用微信读书的AI听书功能时，发现其语音合成音色已非常逼真，但核心问题在于多音字识别准确率低，导致频繁读错字音，严重影响听书体验。相比之下，喜马拉雅的真人朗读版本效果更佳。用户认为，以当前大语言模型的技术水平，理应能更好地解决多音字歧义问题，并期待相关功能得到改进。
Chubby♨️@kimmonismusIntroducing Realtime TTS-2, a new generation of voice model built for realtime conversation. It is the first voice model...
TestingCatalog News 🗞@testingcatalogIntroducing Realtime TTS-2, a new generation of voice model built for realtime conversation. It is the first voice model...
阿绎 AYi@AYi_AInotes一段视频揭露，OnlyFans等平台上的“完美女孩”实为AI系统生成的虚拟伴侣。技术通过Claude维持人格记忆、Flux实时生成图像视频、ElevenLabs克隆声音，仅需少量代码与API费用即可自动运行。系统能精准满足用户情感需求，同步模仿真人动作表情，形成极致的情感剥削。随着AI技术成熟，平台身份验证形同虚设，未来大部分账号可能被AI取代。核心矛盾在于，即使知晓对方是虚拟存在，用户仍可能为获得“完美陪伴”付费，引发真实与虚假关系的深刻伦理危机。
Chubby♨️@kimmonismuspretty excited for voice models to get great its interesting to watch how people are already starting to change the way ...
阿绎 AYi@AYi_AInotes开源项目Voice-Pro将多语言视频创作流程大幅简化。用户输入YouTube链接后，该工具可在本地自动完成视频下载、人声分离、语音转文字、翻译、声线克隆及配音合成，全程不到两分钟。它将原本需要多个付费工具协作的复杂流程，整合为一个免费、本地化的高效解决方案，显著提升了创作者的工作效率。
meng shao@shao__meng为实现语音AI的自然对话感，OpenAI采用WebRTC支持音频流式处理。针对1:1场景，采用Transceiver模型集中管理WebRTC状态，使后端可横向扩展。为解决WebRTC与K8s的端口和状态粘性问题，设计了Relay+Transceiver架构：轻量Relay层收敛公网UDP入口，并利用ICE ufrag字段编码路由信息，实现首包精准转发至对应Transceiver。该设计保留了协议语义，状态集中，并通过全球部署Relay优化路径，最终在K8s上实现了低延迟、高可扩展的语音交互系统。
🎙️ Voice AI only feels natural when conversation keeps pace with speech. Here's how we rebuilt our WebRTC stack with a ...
TestingCatalog News 🗞@testingcatalogpretty excited for voice models to get great its interesting to watch how people are already starting to change the way ...
Sam Altman@sama
