1
SpaceXAI 发布 Grok Voice 3.0：号称全球最智能的语音模型，延迟低于 1 秒
IT之家 10 月 15 日消息，SpaceXAI 今日发布了 Grok Voice 3.0， 官方称这是全球智能水平最高的语音转语音模型 。该模型在客服电话处理任务上创下新纪录，拥有业界领先的低于 1 秒延迟，运行成本也低于其他前沿模型。Grok Voice 每天在特斯拉和 SpaceX 支撑数百…
2
ElevenLabs 推出 v4 和 v4 Turbo 语音模型：支持 90 余种语言，10 秒素材即可克隆声音
IT之家 9 月 29 日消息，ElevenLabs 于当地时间周一正式推出了两款全新语音模型，分别为 ElevenLabs v4 与 v4 Turbo。新版模型强化了情绪表达控制能力，降低了语音智能体的响应延迟，同时支持 90 余种语言。 该公司去年发布了 v3 模型，并于今年早些时候在华沙举办的…
3
识别、合成、实时交互全球第一，Qwen-Audio-3.0 系列语音模型上线阿里千问 AI 平台
全球语音AI评测三项第一，阿里Qwen-Audio-3.0正式上线，识别、合成、实时交互全线领先，语音大模型迈入新台阶。
IT之家 8 月 17 日消息，今天（17 日）下午，阿里云通过公众号宣布，Qwen-Audio-3.0 系列语音模型正式上线千问 AI 平台和阿里云百炼平台。 开发者可以通过 API 服务调用模型能力，也可以订阅 Token Plan 使用 。 Qwen-Audio-3.0 系列模型是阿里巴巴推出…
4
OpenAI 推出 ChatGPT Work 智能体：GPT-5.6 支持，可驾驭长时间、多步骤任务
OpenAI推出ChatGPT Work智能体，支持GPT-5.6，专为长时、多步骤任务设计，同步筹备双向语音AI模型。
IT之家 7 月 10 日消息，OpenAI 今天（7 月 10 日）发布博文，在宣布推出 GPT-5.6 系列 AI 模型的同时，还推出全新的 ChatGPT Work 智能体， 由 GPT-5.6 提供支持，定位为可承担长时、多步骤任务的智能体。 在博文中，OpenAI 披露了 Codex 的现…
5
OpenAI 最智能语音模型：GPT-Live-1/mini 登场，边听边说让 AI 对话更接近真人聊天
OpenAI推出史上最智能语音模型GPT-Live-1/mini，全双工架构实现“边听边说”，对话体验逼近真人。
IT之家 7 月 9 日消息，OpenAI 今天（7 月 9 日）发布 GPT-Live 系列模型， 定位新一代全双工语音模型，可同时聆听与说话，让 AI 对话感觉更接近真人。 GPT-Live 系列模型目前开放 GPT-Live-1 与 GPT-Live-1 mini 两个版本，即日起向全球 Ch…
6
Introducing GPT-Live
OpenAI发布新一代语音模型GPT-Live，让ChatGPT语音交互更自然流畅。
A new generation of voice models for natural human-AI interaction, now powering ChatGPT Voice.
7
OpenAI releases new voice models for more natural live conversations
OpenAI发布新语音模型，提升实时对话自然度，超1.5亿用户已用上ChatGPT语音功能。
OpenAI says its new voice mode can speak and listen at the same time, a key ability for live translation.
8
Multi-Task Instruction Tuning via Data Scheduling for Low-Resource Arabic SpeechLLMs
面向低资源阿拉伯语语音LLM，用数据调度玩转多任务指令调优，稀缺语种建模必看
arXiv:2601.12494v3 Announce Type: replace-cross Abstract: Audio large language models (LLMs) enable unified speech understanding and generation, but a…
9
On Optimizing Multimodal Jailbreaks for Spoken Language Models
一键破解语音模型？新研究系统优化多模态越狱攻击，直指spoken language model安全漏洞。
arXiv:2603.19127v2 Announce Type: replace Abstract: As Spoken Language Models (SLMs) integrate speech and text modalities, they inherit the safety vul…
10
OpenAI：ChatGPT 全球采用率持续扩大，非英语用户占比过半
非英语用户占比过半，ChatGPT全球采用率持续扩大，工作用途用户增长明显。
IT之家 7 月 1 日消息，OpenAI 今日发布了最新数据分析报告，介绍了 2026 年第一季度 ChatGPT 消费级产品（Free、Go、Plus 和 Pro）的使用情况变化。数据显示，ChatGPT 的全球采用率正持续扩大和深化，在年龄、性别以及地域分布等方面均呈现更加多元的发展趋势。 从…
11
You all think it's normal to sit behind a laptop all day
一个大胆预言：键盘鼠标终将消亡，AI驱动的无键交互才是未来。
The moment i saw the first llm, i knew the future of tech is keyboardless, actually i was trying to get there before gpt but failed. The fact that its…
12
OpenAI ChatGPT 语音最大规模升级：双向 AI 语音模型 Bidi 1 已上线测试
OpenAI ChatGPT语音大升级：Bidi 1模型实现边听边说，对话更自然流畅，已上线测试。
IT之家 6 月 24 日消息，科技媒体 testingcatalog 昨日（6 月 23 日）发布博文，报道称部分用户反馈在网页版、App 版 ChatGPT 应用中， 发现了双向 AI 语音模型 Bidi 1 踪迹。 在发布日期方面，OpenAI 官方暂未官宣，不过该媒体认为 OpenAI 有望…
13
OpenAI WebRTC Audio Session, now with document context
OpenAI推出支持文档上下文的WebRTC音频会话，GPT-5级推理语音模型再升级。
OpenAI WebRTC Audio Session, now with document context I built the first version of this tool in December 2024 to try out the then-new OpenAI WebRTC A…
14
Liberating LLM Capabilities in Full-Duplex Speech Models
探索如何释放大语言模型在全双工语音中的潜能，突破实时语音交互新边界。
arXiv:2606.07547v1 Announce Type: new Abstract: Speech-based large language models are typically constrained to spoken replies, which limits their use…
15
消息称阶跃星辰最快周一申请赴港 IPO，估值或达 120 亿美元
中国AI独角兽阶跃星辰最快本周申请赴港IPO，估值或达120亿美元，同时发布多款语音大模型
IT之家 6 月 8 日消息，据《华尔街日报》报道，知情人士透露，中国人工智能初创企业阶跃星辰最快将于本周一递交香港首次公开募股（IPO）申请。 知情人士称，主要投资方给出的该公司估值最高达 120 亿美元（IT之家注：现汇率约合 815.21 亿元人民币）。若此次上市顺利，将成为香港近年来规模最大…
16
Introducing gpt-realtime and Realtime API updates
OpenAI推出更强语音模型与Realtime API更新，支持图像输入、SIP电话及MCP服务器
We’re releasing a more advanced speech-to-speech model and new API capabilities including MCP server support, image input, and SIP phone calling suppo…
17
Advancing voice intelligence with new models in the API
OpenAI API推出全新实时语音模型，支持推理、翻译与转录，打造更智能自然的语音交互体验。
Explore new realtime voice models in the OpenAI API that can reason, translate, and transcribe speech, enabling more natural and intelligent voice exp…