華為 WATCH 智能手錶 HarmonyOS 7 版「抬腕控家」亮點公佈,支援小藝語音一句直達等
華為智慧生活官方微博公佈,華為 WATCH Ultimate 系列及 WATCH 系列智能手錶升級 HarmonyOS 7 後支援「抬腕控家」。用戶可快速查看及控制家中智能設備、一鍵執行預設場景,並以小藝語音一句直達。功能適用於 HarmonyOS 7.X 及以上版本。
華為智慧生活官方微博公佈,華為 WATCH Ultimate 系列及 WATCH 系列智能手錶升級 HarmonyOS 7 後支援「抬腕控家」。用戶可快速查看及控制家中智能設備、一鍵執行預設場景,並以小藝語音一句直達。功能適用於 HarmonyOS 7.X 及以上版本。
Amazon 旗下 Bee 推出 Frontier 和 Eclipse 兩款 AI 穿戴裝置,售價分別為 $74.99 和 $99.99,並推出 Bee Pro 訂閲。
Apple TV 4K (2026) 相較 Apple TV 4K (2022) 升級晶片、圖像效能、Siri 語音控制及遙控器,但售價是未有改善之處。A19 比 A15 快 50%,圖像效能提升至前代的兩倍,並配備 128GB 儲存空間及 Wi-Fi 7。新款售價為 $299;文章認為,只想串流影片的用戶不值得購買。
ICE 有意使用 AI 監察被拘留者的通話及行動。一名近期發布 ASR 模型的留言者表示,其自訂授權禁止將模型用於監察在押人士。他認為這項限制未必能改變整體情況,但隨着相關能力發展,仍值得考慮模型的用途。
文章比較自行部署 Whisper 與按量付費的託管服務,估算處理約 85–250 小時音訊後,節省的服務費才可抵銷設定時間成本。估算以託管費 €0.02/分鐘、設定需 2–6 小時並按 €50/小時計價,且未計後續維護;低用量下託管服務較省,數百小時以上自行部署較有利。
SayAgain 的評估顯示,在乾淨文字上,正則表達式已能達到預設標準,無須使用 LLM。89 組測試中,正則表達式標記了全部 41 個預設錯誤,並未對 48 個正確讀回造成誤報;Gemma-4-31B-IT 則有 2 次誤報。改用合成語音後,正則表達式和 Gemma 的誤報分別升至 16/48 和 17/48,兩者均超出誤報預算。
L-Acoustics 的音訊平台運用機器學習,協助 Céline Dion 等歌手在現場演唱會中分離人聲並穿透噪音。
SpaceXAI 發佈 Grok Voice 3.0,該語音對語音模型以 86.9 分登上 Artificial Analysis Speech-to-Speech Index 榜首。
EarDub 為無字幕錄影影片採用緩衝音訊配音,趁播放器載入進度領先播放位置時辨識語音,拼成完整句子再翻譯及合成,令配音可與説話者同步開始。有字幕時則按字幕時間配音;此方法不適用於直播,嘈雜音樂、多人重疊説話及口音仍會造成語音辨識錯誤。
這份指南評估並排名 10 款 AI 轉錄軟件及服務,涵蓋會議記錄、媒體製作、口述輸入和企業字幕等用途。比較考慮語言支援、編輯與協作工具、整合、安全性及適用場景;Notta 排名第一,支援 58 種轉錄語言。
L-Acoustics推出Source Intelligence AI軟件平台,於席琳·迪翁巴黎駐場演出中即時分離人聲及降噪,提升清晰度。平台最多可削減40分貝的非人聲訊號,並僅適配L-Acoustics自研硬件。演出使用L1線陣列音箱及L-ISA二代處理器,覆蓋3.5萬名觀眾。
SpaceXAI 發佈語音轉語音模型 Grok Voice 3.0,官方稱其延遲低於 1 秒,並已透過 API 上線。Artificial Analysis 的獨立測試中,模型在語音轉語音綜合榜單排名第一,得分 86.9,並在全雙工基準測試得分 97%。
xAI 於 10 月 14 日推出 Grok Voice 3.0,並把 grok-voice-latest 改為指向該模型,使用別名的語音智能體因此自動切換,API 則維持不變。
AI 語音模型的訓練流程涵蓋語音資料收集與預處理、模型架構、訓練及推理,將文字轉成語音波形。常見 TTS 系統以配對的語音錄音和文字訓練,用 Mel-spectrogram 表示聲學特徵,再由 vocoder 轉成波形;ElevenLabs 提供託管 API 和聲音複製功能。
FS03 以 Kokoro-82M、WebGPU 和 WebAssembly 構建 PureTTS(https://puretts.com),讓 AI 文字轉語音在瀏覽器本機執行;作者稱工具免費且沒有字數限制。
SpaceXAI 發佈 Grok Voice 3.0,官方稱其為全球智能水平最高的語音轉語音模型,延遲低於 1 秒且運行成本低於其他前沿模型。Artificial Analysis 的獨立測試中,該模型在語音轉語音綜合榜排名第一,得分 86.9;全雙工基準得分為 97%,τ-Voice 得分為 71.6%,延遲較 GPT-Live-1(Astra)低 40%。
SpaceXAI於2026年10月15日發佈Grok Voice 3.0語音轉語音模型,在客服通話任務中的延遲低於1秒。模型綜合表現位列Artificial Analysis榜單首位,得分86.9;全雙工互動達97%,τ-Voice抗噪與插話能力為71.6%。模型已透過API上線,定價維持每分鐘0.08美元;每日支援特斯拉車載對話及星鏈客服超過百萬次通話,70%來電可全自動處理。
Fish Audio 本週發佈 Drama 3,一款 35B 開放權重 MoE 文字轉語音模型,每個 token 約啟用 3B 參數。模型接受自然語言表演指示,支援 83 種語言,並可在單次請求中處理最多 16 名角色。
SpaceXSI 發佈語音對語音模型 Grok Voice 3.0,在 Artificial Analysis 的 Speech-to-Speech Index 得分 86.9,高於 GPT-Live-1 的 83.2 和 Gemini 3.8 Live 的 82.6。
Amp 正藉助 OpenAI 模型拓展 AI 智能體的工作範圍,從規劃產品、撰寫程式碼和設計頁面,延伸至編寫文件及市場推廣。Amp 推出 Sign in with ChatGPT 整合,讓用戶使用更多 token 和 OpenAI 模型,包括 GPT‑6 Astra;團隊亦正測試 GPT‑6 Astra 的 Ultrafast 模式,並以 GPT‑Live‑1 支援即時語音對話。
CoSTA 透過解耦語音對話模型的生成與合成 token 空間,在保留原有語音 tokenizer 和 decoder 的同時,提升生成效率。雙語語音對話基準測試顯示,CoSTA 的擴展語音 token 生成速度約提升 1.7 倍,完整回應延遲更低、吞吐量更高,並維持回應質素。
SpaceXSI 推出 Grok Voice 3.0,稱其在 Artificial Analysis 的語音轉語音指數中排名最高,回應時間少於一秒。SpaceXSI 表示,Grok Voice 3.0 收費為 $0.08/min,低於競爭對手。
Descript 的指南介紹如何在錄音前控制環境噪音,並在後期用 Studio Sound 一鍵減少背景噪音、混響及其他不需要的聲音。Studio Sound 以機器學習模型處理並重新合成音訊,亦可保留原音供比較。文章建議在安靜、少硬質反射面的空間錄音,選用指向性麥克風、靠近麥克風收音並降低增益。
xAI 於 2026 年 10 月 14 日發佈 Grok Voice 3.0,並在 Voice Agent API 提供,收費每分鐘 $0.08,與 Grok Voice 2.0 相同。
Square 推出 Square Kiosk 旗艦自助點餐機,以 Agentic AI 對話語音層理解餐廳菜單,並讓顧客在語音與觸控點餐之間切換。裝置售價為 $1,999,另收每部每月 $99 軟件費;購買亦須訂閲 Square Plus 或 Square Premium。產品目前只在美國供應,僅支援英文。
Square 推出 Square Kiosk 點餐自助機,讓顧客透過 AI 語音對話查詢菜單、要求修改或替換餐點並下單。設備配備 21.5 吋觸控屏幕及感應到場功能,付款可使用非接觸式讀卡器或插卡槽。Square Plus 或 Premium 訂閲商戶即日起可用 $1,999 購買,每部設備另收每月 $99 軟件費。
研究提出輕量方法,利用預訓練語音編碼器的語言選擇性隱藏狀態維度,直接從語音檢測語碼轉換。在 CS-FLEURS 的 14 組語言配對上,Whisper-small 編碼器平均 F1 為 0.798,高於 CNN(0.776)及以單語言語言識別訓練的 HuBERT 線性基線(0.751)。
蘋果推送 iOS 27.2 Beta 4 開發者預覽版,為 Siri AI 新增五種語言支援。更新後,Siri AI 支援英語、法語、日語、韓語、葡萄牙語和西班牙語,共六種語言。實際可用性仍取決於用戶所在地區和裝置。
Ming-3.0-asr-tiny 結合 Ling-tiny-v3 語言骨幹與音訊編碼器,可轉錄中文、英文及方言語音,並支援以熱詞或對話上下文改善專業詞彙辨識。模型在 15 個地區方言測試集(包括粵語、閩南語及上海話)、雜音語音及五個應用領域接受評估。模型權重及原始項目程式碼以 MIT License 發佈,並提供 Transformers 推理範例。
大眼橙聯合釘釘發布可彎折 AI 聽記眼鏡 Q1,定價 1,299 元起,最輕 28g。眼鏡採用單邊三麥陣列,有效拾音距離達 8 米,並提供 80 小時佩戴待機及 11.5 小時連續聽歌續航。用戶可透過釘釘、千問辦公或 QwenNote 綁定設備,產品將於 10 月 31 日現貨發售。
Fish Audio Drama 3 技術報告介紹一款開源語音生成模型,採用 35B 參數 MoE 骨幹,每個 token 啟用 3B 參數。Drama 3 新增多輪修訂、場景配音、以 infilling 編輯既有語音及串流文字輸入等能力。
Bose 推出 Bose 開放式運動耳機和 Bose Ultra 開放式耳機 II,兩款產品即日起在 Bose 官方渠道發售,售價分別為 1,599 元和 2,299 元。兩款耳機均採用 Bose OpenAudio 開放式音頻技術,並支援藍牙 5.4、多點連接及無線充電。運動耳機單次充電可播放長達 7 小時,Ultra 開放式耳機 II 可播放 9 小時,開啟沉浸空間音頻模式約 5 小時。
AI 語音合成與聲音複製正改變 Podcast 製作,讓開發者可生成旁白、多語言音訊及互動節目。文章以 ElevenLabs 示範 Python TTS 及聲音複製流程;複製聲音需提供目標説話者的音訊樣本,並可重用 voice ID。文中亦示範以 TTS 製作 5 種語言版本,並將音訊生成接入 CI/CD 流程。
作者為 Hacktoberfest 2026 開發開源 Flutter 應用程式,以本機 Gemma 語音助理摘要及免提管理通知。Gemma 會分類及摘要通知,並按語音指令執行本機資料庫 CRUD;需要即時資訊時,應用程式會透過 MCP 呼叫免費層級 Gemini API 搜尋網頁並朗讀答案。
CNET 評測 Meta Ray-Ban Audio 無相機智能眼鏡,認為它佩戴較輕、音訊續航較長,但定價偏高,仍受限於 Meta AI 生態。Clubmaster 和 Burbank 售價為 $349 至 $429;作者所試的 Clubmaster 重 43 至 47 grams,連續播放音訊約 6 hours。
Apple 發佈 HomePod mini 2,售價 $149,加入與 Apple TV 4K、Mac 的新整合,並將透過上市後更新加入 Siri AI。Siri AI 初期只支援英文,適用地區包括美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國;產品即日起接受預購,並於 October 30 在美國及另外 23 個市場開始出貨。
Apple 將於 11 月 13 日推出第四代 Apple TV 4K,加入內置咪高峯及 Siri AI 支援,美國售價 $299,較上一代貴 $50。Siri AI 亦會以 beta 提供予第二、三代 Apple TV 4K;新機的遠場咪高峯支援免提操作,但 Siri AI 初期只在美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國提供英文服務。
Apple 發佈 HomePod Mini 2,配備 S10 晶片,並預告日後更新將加入 Siri AI 功能。新款售價 $149 起,提供五種新顏色,於 10 月 30 日在店舖發售;S10 晶片可即時分析音樂並作優化。Apple 表示,Siri AI 可根據 iPhone 使用情境個人化回應,例如按過往訊息播放歌曲,或從電郵中的食譜整理購物清單;相關功能的價格尚未公佈。
Apple 在「Welcome Home」活動公佈 HomeView、HomePod Mini 2、Apple TV 4K 及 Home Collection 等產品,拓展家居管理、安全與娛樂產品線。
Apple 推出 Apple TV 4K(第 4 代),售價 $299,將於 Nov. 13 在門市發售。新機配備 A19 晶片,Apple 表示速度比 A15 快 50%,圖像處理效能達兩倍,並內置三個遠場咪高峯以配合 Siri。新機現已在 Apple 網站接受預購。