首个针对语音大语言模型的煤气灯攻击基准测试，揭示模型安全隐患。
arXiv:2509.19858v2 Announce Type: replace Abstract: As Speech Large Language Models (Speech LLMs) become increasingly integrated into voice-based appl…
IT之家 5 月 25 日消息，鸿蒙智行智界汽车官方今日宣布， 智界 R7 和智界新 S7 汽车五月 OTA 开启推送 ，针对驾驶、导航、娱乐、交互等方面进行了优化升级。值得一提的是， 此次 OTA 后刘亦菲专属泊车语音实现全系覆盖 。 IT之家附智界 R7 / 新 S7 汽车此次 OTA 更新内容…
长安逸动新款上市，7.99万起售，首搭DeepSeek大模型语音，城区油耗仅2.98L，性价比与智能双升级。
IT之家 5 月 24 日消息，长安第四代逸动蓝鲸超擎车型上市，共推出三款车，上市抢购价区间 7.99-8.99 万元。 IT之家注意到，新车延续了家族式的设计语言，长宽高分别为 4785/1840/1460mm， 轴距为 2765mm 。内饰方面，新车采用 10.25 英寸仪表和 14.6 英寸的…
长安第四代CS75 PLUS蓝鲸超擎上市，起售价10.99万元，配三联屏+1.5T发动机，性价比亮眼。
IT之家 5 月 24 日消息，长安第四代 CS75 PLUS 蓝鲸超擎今日上市，上市抢购价区间 11.39-13.19 万元，并推出蓝鲸超擎真香型，一口价 10.99 万元。 IT之家注意到，该车提供安第斯灰、原子灰、尊贵黑、炫晶白、碧空蓝、星云辉、月华银灰 7 种颜色可选，车身长宽高分别为 47…
ChatGPT新增自动填表技能，支持图像识别与语音输入，提升填写效率
IT之家 5 月 23 日消息，OpenAI 今天（5 月 23 日）发布公告，宣布 ChatGPT 解锁新技能， 用户上传表单后，可直接用语音或文字说明填写内容，系统会识别表单字段、自动补全信息。 在最新演示中，用户上传一份健身会员表单后，只需口头说明姓名、地址和健身目标，ChatGPT 便能识别…
网易有道重磅开源“子曰4”多模态模型与TTS模型，教育场景数理能力达行业顶尖，支持14种语言，单卡即可运行。
IT之家 5 月 22 日消息，网易有道今日宣布，决定将“子曰”大模型 4.0 的核心双引擎 ——“多模态模型”与“语音合成（TTS）模型”， 正式面向全球全量开源 。开发者可以免费下载、部署，并基于此进行二次开发。 此次开源的“子曰 4”多模态模型（27B 参数规模）面向教育场景，支持视觉输入的数…
用AI轻松将语音、扫描件、草图转化为结构化笔记，提升记录效率。
Turn voice, scans, sketches, and text into notes with AI Discussion | Link
实时语音AI的延迟生死线：从Go到Rust的迁移如何压缩毫秒级时延，守住250ms实时交互边界。
In building Vivik, an execution-grade telephony AI engine, we faced a brutal constraint: the human conversational loop. In psychoacoustics, a delay un…
腾讯会议AI同传上线，能模仿你的音色且时延低于3秒，让每个人独立收听自己的语言，发言翻译几乎同步。
IT之家 5 月 21 日消息，腾讯会议今日宣布「AI 同传」正式上线，可模仿用户音色、时延低于 3 秒，发言和翻译几乎同步。 据介绍，该功能不用插件、不用外接设备，会议里的每一位参会者， 都能独立开启属于自己的「AI 同传」 ，你听你想听的语言，他听他想听的语言，每个人的发言都被清晰对应、精准传递…
语音对话协作，AI智能检索邮件、起草文档、整理笔记，让办公效率倍增
IT之家 5 月 20 日消息，在今日的 2026 谷歌 I/O 开发者大会上，谷歌 CEO 桑达尔 · 皮查伊（Sundar Pichai）宣布升级 Google Workspace， 把 Gmail、Docs、Keep 等工具变成可语音对话的协作助手。 IT之家注：新功能包括可用自然语音检索邮件…
专攻医学场景的语音模型精准度碾压通用方案，Corti以1.4%词错误率证明垂直AI的价值。
Today, Copenhagen-based healthcare AI Corti is launching Symphony for Speech-to-Text, a new generation of clinical-grade speech recognition models eng…
谷歌Gemini AI助手，多模态交互支持实时翻译、语音导航，免费使用且可整合到智能眼镜实现免手操作。
IT之家 5 月 20 日消息，在今日的 2026 谷歌 I/O 开发者大会上，谷歌携手三星公司， 展示了由 Gentle Monster 与 Warby Parker 共同参与设计的 2 款智能眼镜。 定位方面，两款智能眼镜作为手机的伴侣设备存在，重点整合 Gemini AI 模型，提供抬头可用、…
Google I/O 2026: Workspace 应用新增语音提示，用声音写文档、管理事项更便捷。
Google is letting users create drafts, take notes, and search for email with voice with the new Workspace update
首个阿拉伯语真实口语交互数据集，专为研究LLM语音助手中ASR错误影响而构建，填补领域空白。
arXiv:2605.16364v1 Announce Type: cross Abstract: Large Language Models (LLMs) voice assistants are commonly built as cascaded Automatic Speech recogn…
颠覆传统认知：语音克隆本质是风格迁移，斯坦福团队用新视角重新定义技术边界。
arXiv:2605.16578v1 Announce Type: cross Abstract: Artificially generated speech is increasingly embedded in everyday life. Voice cloning in particular…
苹果iOS 27辅助功能大升级，语音控制整合AI支持自然语言操作，快捷指令、相机、Siri等多项革新抢先看。
IT之家 5 月 20 日消息，苹果公司昨日（5 月 19 日）发布博文，预告将会在 iOS 27、iPadOS 27、macOS 27 等系统中， 把 Apple Intelligence 深度接入无障碍功能。 在 iOS 27、iPadOS 27 等系统中，Voice Control（语音控制）…
手忙脚乱时能用语音操控手机？这篇指南教你用嘴重启手机、打开应用、填写文本，彻底解放双手
Go fully hands-free with these tips for Android and iOS.
首个从语音中检测早期帕金森病的标准化基准，填补跨研究比较空白。
arXiv:2605.14066v1 Announce Type: cross Abstract: Early-stage Parkinson's disease (EarlyPD) detection from speech is clinically meaningful yet underex…
提出SIREM方法，用语音信息引导MRI重建并优化采样，提升图像质量
arXiv:2605.18221v1 Announce Type: cross Abstract: Real-time magnetic resonance imaging (rtMRI) of speech production enables non-invasive visualization…
用100+语言构建语音AI代理，每分钟仅1.5卢比，极致性价比。
Build Voice AI Agents in 100+ languages for ₹1.5/min Discussion | Link