剛剛，OpenAI 突然宣佈新一代語音模型 GPT-Live 上線！ 剛開始覺得：“不就是新的語音模式嗎？” 但實際上，這可能是 ChatGPT 自 GPT-4 以來，互動方式的一次重大升級。 OpenAI 在部落格上直接表明：邁入人機互動的新紀元。

【新智元導讀】全球第一！中國AI語音ViiTorVoice首創「局部編輯」神技：配音錯字告別重錄，像改Word一樣修語音。內附姆巴佩、哈蘭德爆笑實測，快來見證！ 中國AI，登頂全球第一！ 最近，在全球語音權威評測榜單 Seed-TTS 上，突然殺出了一匹令人膽寒的黑馬。 它就是ViiTorVoice 。

“邊聽邊說邊看，這跟一個真人還有啥區別？” 0.4秒能做什麼？ 眨一次眼大約需要0.3秒，而Thinking Machines Labs最新發佈的Interaction Model，把AI響應延遲壓到了0.4秒，比OpenAI的GPT-realtime-2.0快了將近三倍。 但這篇報導真正想說的，不是0.4秒這個數字。

以自我進化、主動執行為特徵，還能夠統一呼叫所有APP的OpenClaw（龍蝦）是當前科技圈的“流量擔當”。在剛剛結束的北京國際車展，“龍蝦上車”成為觀眾體驗和產業關注的焦點，也讓公眾對於汽車邁向“移動智能體”的未來充滿期待。 在智能座艙日益成熟的當下，“龍蝦”為駕乘人員帶來那些新體驗？ 首先是對複雜任務的拆解、規劃和執行能力。相比傳統語音助手“使用者說一條命令它就執行一條命令”的互動模式，“龍蝦”能夠聽懂複雜的指令，將其拆解為數個需求。記者在斑馬智能的AutoClaw(斑馬智能發佈的“龍蝦上車”方案)智艙協作實車上，體驗了這樣一個場景——當駕駛員提議今晚和同事們小聚一下，AutoClaw先是根據駕駛員平時和同事聚會的偏好，推薦了幾家餐廳，但駕駛員表示自己決定不了，要結合大家的意見。於是，AutoClaw通過釘釘與幾位同事聯絡，確認他們有沒有聚會的意願。如果想去，各自從那裡出發、想去推薦的那一家餐廳，並及時向駕駛員和同事反饋彼此的意見，最後定下來一個大家都能接受的餐廳，並打電話預定位置。在這個過程中，AutoClaw還要應對一些意外情況，比如一位同事提出喝點酒，AutoClaw就要考慮在大家都不能開車的情況下，是在路上順路買酒，還是去線上商城下單等更加細節的問題。 斑馬智能AutoClaw展示同事們對聚餐的意見

大家好，我是鵬哥。 xAI用$1.25輸入/$2.50輸出的激進定價和$3/小時的語音克隆，正式對OpenAI發起價格戰，AI普惠化時代加速到來。 這不是一次常規的產品發佈。 悄悄上線：沒有發佈會，只有X上一條推文

事情是這樣的。最近幾個月，我但凡打開視訊號或者抖音，總被一個侃侃而談的“科技大佬”刷屏。這哥們叫「硅基大司馬」，專門講中國硬核科技，從晶片到光刻機，從新能源到機器人，啥都懂，啥都聊。最離譜的是他的更新頻率和產量，高得不像人類，整個矩陣，每天有20-30篇他的科技科普視訊產出！我以為，又是那個MCN機構捧出來的卷王。結果有人告訴我，這背後壓根不是「人」？我當時就愣了。那語氣的抑揚頓挫、自然的氣息律動，那種講到中國科技時不自覺挺直腰桿的勁兒，太像一個真的科技大佬坐在你面前吹牛了。我查了下，大司馬在全網幾十個矩陣帳號，已經有3000 萬粉絲，半年時間漲粉就2200 萬，每月 2 億觀看量，企業家 IP 榜上排在他後面的是周鴻禕、余承東、俞敏洪一眾大佬。這就不是玩票了，這是一場社會實驗等級的行為藝術。我立刻來了興趣。能撐起這種千萬級粉絲盤、讓人完全聽不出看不出破綻的AI，是什麼妖怪技術？順藤摸瓜，我挖到了硅基大司馬背後的聲音引擎——Smart Voice 1.0，號稱“一次成型、無需返工”。口說無憑，既然要測，那就玩把大的！然後，我拉上了目前市面上號稱SOTA等級TTS，做了一場慘無人道的暴力橫向測試。TTS六大門派圍攻光明頂，誰在裸泳？我在網上找的司馬華鵬的採訪，這放出來你們好有個對照。先從om**開始，這家的效果出來，好像一個沒有感情的讀稿機器，語調平直得像一根繃直的線，沒有什麼情緒的起伏。接著是Min****，這家失真的有點離譜，機械感很重。喉嚨裡像卡著東西，聲音像從一根生鏽的鋼管裡傳出來的。然後是Qw**，對比前面幾家，這家起碼聲音沒失真，不過在斷句節奏上有點不穩定，還是會有機械感。再然後，火**，這一家，和原聲偏差很大，完全不像本人。聽起來就像10年前打10086客服，電話那頭傳來的語音。好，重頭戲來了。Elev*****，你知道我最期待那家嗎？就是它。全球TTS市場份額第一，我滿心以為它會給我一個驚喜，結果呢？太心酸了。聽起來像是一個外國人在講中文，那種努力想模仿中國人講話，但發音但每個音都不在點子上的外國人。最後， Smart Voice 1.0我去，這才是該有的樣子。和本人聲線、音色的一致度，一字就是“像”。再有就是那種停頓時的呼吸感，全都在，甚至還有人講話時候那種猶豫感！一次成型，不需要返工，這才是關鍵。說到這個「一次成型」，我必須多聊幾句。很多人可能不知道，傳統流程做一分鐘商業級音訊，成本有多離譜。我查了一下。專業語音稽核質檢人員，日薪大概650到1100元。處理1小時音訊需要4到8小時，也就是說一天只能處理約1到2小時音訊。折算每分鐘稽核成本，約10到37元。如果算配音費用那更貴了，日薪2000到5000元。更重要的是時間。音訊出來了要聽，聽完要改，改完要再審。調音、改稿、稽核。如果再加上返工，傳統流程做一分鐘商業級音訊，成本輕鬆過百。Smart Voice 1.0呢？10元每分鐘。一次生成，不需要聽審，不用返工，直接上線。「硅基大司馬」幾十個矩陣帳號，半年漲粉2200萬，累計粉絲3000萬。每月2個億流量，單條視訊4000萬播放。榜單連續三個月TOP3，周鴻禕、余承東、何小鵬、俞敏洪、魏建軍一票大佬都在他後面。這不是實驗室demo，是真實戰場上的真刀真槍。說到這，大家盲聽試試吧。最後我也會在留言區公佈揭曉。Smart Voice 1.0 的出現，意味著AI語音賽道正在從“實驗室的玩具”向“工業級的拳頭產品”轉變。那些只會“念字”的TTS產品，如果不趕緊跟上，眼看就要被甩出幾條街。最後，我知道很多做內容、搞IP、做企業品牌的朋友已經對這個技術飢渴難耐了。我幫你們要了個福利。這是我從官方拿到的，Smart Voice 1.0內測通道。最後，我想回到開頭那個視訊。我現在知道了，它是AI合成的。但諷刺的是，我知道這個事實之後，再去聽他的視訊，反而覺得更震撼了。1880年代電力剛開始普及的時候，大部分人只是把電力當成一種更乾淨的蠟燭替代品，用來點燈。但真正吃到電力紅利的人，是最早想明白電力到底能幹什麼的人，工廠不用再圍著蒸汽機佈局了，流水線的形態整個被重塑了。AI語音現在就像那個階段。很多人還在拿它當「便宜的配音替代品」，但接下來幾年，聲音會變成無限供給的基礎設施，所有依賴真人聲音的商業模式都會被重構。當聲音可以無限供給的時候，內容和傳媒產業才真正具備了規模化的條件。這才是這次測試最讓我震撼的地方。 (識焗)

在企業級AI市場動作頻頻的Cohere公司，於2026年3月26日正式推出了名為Cohere Transcribe的開源語音識別模型。這款模型擁有20億參數，專為邊緣裝置設計，旨在打破以往語音模型因體積過大而導致的延遲瓶頸。通過採用Apache 2.0協議開源，Cohere試圖效仿Meta的路徑，利用開發者社區的力量快速完善生態，並最終實現商業化反哺。邊緣側的性能怪獸：支援14種語言且超越主流對手。Cohere Transcribe在訓練中涵蓋了包括中文、日語、法語和希伯來語在內的14種語言。根據Hugging Face開放ASR排行榜的最新資料，該模型在性能指標上已經超越了ElevenLabs Scrie和阿里旗下的Qwen3等同類競品。得益於精簡的參數量，它能直接部署在手機、PC或工業閘道器等終端裝置上，無需頻繁呼叫雲端算力，這不僅極大地降低了資料傳輸延遲，也為銀行、銷售和醫療等對隱私高度敏感的行業提供了更安全的解決方案。從文字到語音的戰略擴張：重塑智能體互動基石。雖然Cohere過去一直深耕文字生成領域，但此次跨界語音識別被視為其建構全能AI智能體（Agent）的關鍵一步。公司宣佈，Cohere Transcribe即將整合進其AI智能體編排平台North中。分析人士指出，隨著Siri式的語音互動成為AI浪潮的起點，語音能力已成為智能體感知世界的必備“耳朵”。Cohere正通過這種“小而強”的開源策略，在邊緣計算和即時語音翻譯市場與IBM、阿里巴以巴及推出AI Companion 3.0的Zoom展開正面交鋒。 (AI的記錄日常)

據“微信派”官方消息，微信最新版本在語音、視訊方面迎來幾個細節更新，語音 / 視訊來電現可點選“忽略”，語音轉文字支援“同聲傳譯”等。具體內容如下：1.不想接的微信語音、視訊可忽略面對意料之外的微信通話，直接掛斷可能會太直接。現在，有暫時不想接的微信語音/視訊，點選“忽略”即可。點選後，你的彈窗消失了，對方也不會收到“已拒絕”，可能以為你“真沒看到”。優雅表演“我沒看手機”這不就輕鬆搞定了。2.微信語音轉文字也帶“同聲傳譯”了跨國溝通，最怕空氣突然安靜。現在，微信聊天說完語音後，左下角點選“翻譯”按鈕，語音自動翻譯成你想嘮的語言。目前，微信語音翻譯支援包括中文在內的 18 種語言翻譯。該功能正在逐步放量中。3.微信視訊時可鎖定螢幕了有些人視訊聊著聊著就沒了，可能是誤觸點了掛斷。現在微信視訊能鎖定螢幕了。微信視訊時點選右上角鎖定圖示，即可鎖定螢幕。微信方面稱，該功能正在逐步放量中。(TechWeb)