Apple 推出 HomePod mini 2 智能喇叭,定價 1099 元
Apple 推出 HomePod mini 2 智能喇叭,定價 1099 元,將於 10 月 30 日發售。產品提供白色、粉紅色、藍色、綠色及午夜色五種配色,支援立體聲組合、聲音識別和温濕度感測,無線連接升級至 Wi-Fi 6E;海外市場支援 Siri AI 功能。
Apple 推出 HomePod mini 2 智能喇叭,定價 1099 元,將於 10 月 30 日發售。產品提供白色、粉紅色、藍色、綠色及午夜色五種配色,支援立體聲組合、聲音識別和温濕度感測,無線連接升級至 Wi-Fi 6E;海外市場支援 Siri AI 功能。
Vapi 發表評估客戶服務 AI 語音智能體的指南,提出七項標準,涵蓋問題解決、即時語音品質、系統操作、升級交接、模型彈性、生命週期管理及平台控制。指南建議使用 50 至 100 個真實通話樣本,以相同通話集比較不同供應商。Vapi 將自身定位為開放平台,讓團隊掌握工作流程與模型選擇。
Lovable 推出 Perplexity、ElevenLabs、Firecrawl 和 Miro 連接器,讓應用程式加入網絡研究、語音、即時網頁資料及畫板轉原型能力。
AI 語音智能體透過接聽時序、問候長度及停頓等訊號,判斷外撥電話由真人接聽還是進入語音信箱,並須在約三至五秒內完成判斷。2026 年 arXiv 預印本指出,單靠時序特徵已可媲美蜂鳴聲及關鍵詞方法,並避免額外延遲。Vapi 支援選擇偵測服務供應商、調整時序,並在人類接聽後切回對話。
Vapi 編輯團隊評選並排序 10 款適用於臨牀場景的開源語音轉文字模型,按即時準確度、臨牀術語處理、運作可靠性及數據安全作評估。醫療機構應按語言需求、環境噪音、技術資源和維護能力選擇模型;這些方案可透過自訂配置整合至 Vapi 語音 AI 平台。
Narakeet 可將文字稿轉成自然流暢的語音旁白,毋須錄音設備,並提供 600+ 種聲音供用戶調整語速和音高。平台支援 PowerPoint、Google Slides 和 Markdown,可將旁白與畫面同步,並生成字幕及隱藏式字幕。方案月費約 $5 起;專業配音員每小時收費 $100-$500,另加錄音室及剪輯費用。
Vapi 比較 5 個 Character AI 替代平台,涵蓋語音 AI、聊天及故事創作等用途。Vapi 提供面向開發者和企業的 API 原生語音 AI 平台,支援 100+ 種語言,並連接 40+ 個應用程式。
Nathalie Criou 數月前加入 Vapi,出任產品副總裁;她曾任職 Google、VMware、Amazon、Twilio 和 Docker,並創辦 RidePal。她認為語音 AI 是少數已展現可重複投資回報的 AI 應用之一;客戶 Kavak 在六個月內重整全公司,改以語音作為主要渠道。Vapi 的產品挑戰是拓展至非技術用戶,同時不削弱平台對技術用戶的能力。
Vapi 為 OpenAI 的 GPT-Live 全雙工語音對語音模型開放有限度測試,並同步啟用公開候補名單。GPT-Live 將語音轉文字、LLM 推理及語音生成整合於單一模型,支援自然停頓、處理對話打斷,並可在交談期間執行複雜工具呼叫。登記候補名單不保證獲得早期使用資格,Vapi 計劃未來數月逐步擴大供應。
Gradium TTS 在完整文字生成前便開始串流語音,首段音訊輸出時間快於人類語音回應時間。Coval 基準截至 May 4, 2026 的數據顯示,其中位 TTFA 為 155 ms,四分位距為 2 ms;小批次啟用 CUDA Graphs 後,中位 TTFA 降低超過 2.5x。
Apple 於 2026年10月13日發佈第4代 Apple TV 4K,加入 Siri AI、A19 晶片及內置遠場麥克風,售價 $299(美國)。Siri AI 以 beta 形式於 tvOS 27.2 提供,適用於 Apple TV 4K(第2代或之後),先在美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國以英文推出。預訂於發佈當日開始,門市於 2026年11月13日開售。
Apple 宣佈 HomePod mini 2,配備 Siri AI、新配色及改良音效體驗。Siri AI 將於未來軟件更新推出,可理解個人情境,並憑藉廣泛世界知識支援更豐富的音樂探索。HomePod mini 2 售價為 $149(美國),美國及另外 23 個以上國家和地區今日起接受預訂,10月30日起在店舖發售。
Logitech Zone Vibe Pro 無吊桿麥克風耳機售價 $270,通話降噪表現出色,並獲 CNET 編輯之選。耳機重 290 克,音樂音質不俗,但暖和環境下耳墊可能令耳朵悶熱;Zone USB-C Receiver 僅隨 $280 的 Zone Vibe Pro for Business 附送。
Apple 宣佈,Siri AI 將以測試版形式支援第二代及更新款 Apple TV 4K,第二代和第三代機型亦可使用。正式推出時,Siri AI 將支援美國、澳洲、加拿大、印度、新西蘭、新加坡、南非及英國的英語用戶。
Fish Audio 發佈文字轉語音模型 Drama 3,主打以自然語言指導語音表演,並可只重生成指定音訊片段、保留周邊表演。Fish Audio 稱模型支援一次生成多角色場景、長腳本角色一致性,以及英語、中文、日語和韓語的場景語言切換與音素級發音控制。
開發團隊將 Google 的 EmbeddingGemma 2 改造成全程在裝置端執行的語音轉文字工具,在基礎款 M3 MacBook Air 上約 13 秒可轉錄一小時音訊。
蘋果推出 HomePod mini 2 智能喇叭,定價 999 元,並將於 10 月 30 日發售。產品提供藍色、午夜色、白色、黃色及橙色五種配色,採用全頻驅動單元和雙無源輻射器,支援立體聲組合、聲音識別及温濕度感測。無線連接升級至 Wi-Fi 6E,海外支援 Siri AI,並附帶 20W 電源轉接器。
一項音訊轉錄方案可在 MacBook Air 上約 13 秒完成一小時音訊轉錄。留言者表示,自己用模型建立自訂轉錄命令,處理 90 分鐘音訊約需一小時或更久,並希望方案支援更多語言,尤其是印地語與英語混合音訊。
階躍星辰公佈 STEPX Neo 搭載的智能體聽覺增強系統技術細節,系統由六麥克風陣列、低功耗音訊感知晶片及 Whisper 1.0 拾音演算法組成。音訊感知晶片可獨立持續運作,整機該功能連續運作 24 小時僅耗電 1.2%。這套方案協助 Amoo 智能體在嘈雜聲場中識別語音指令,並全天候感知環境聲音。
這款有聲書工具的標題稱可使用 OpenAI 訂閲服務製作有聲書,但評論指出實際上需要輸入 API key。評論者原以為可透過 OpenAI 認證流程或裝置代碼登入,並質疑這種描述是否具誤導性。
千問 AI 耳夾式耳機已在京東開售,到手價 1099 元,主打 Bose 調音,並支援 AI 筆記及 AI 同聲傳譯。耳機支援 92 種語言轉寫紀要及 89 種語言 AI 翻譯,亦支援錄音即時轉寫和離線本地錄音。
千問與 Bose 於 10 月 13 日共同推出 AI 耳夾式耳機,並於當日正式開售。新品融合千問 AI 能力與 Bose 聲學經驗,支援即時翻譯、AI 聽記和任務交辦;疊加國補及限時優惠後,到手價1099元起。
榮耀 Earbuds X10 / Pro 系列藍牙耳機已在京東發售,售價分別為 149 元及 199 元。Earbuds X10 配備 12.4 mm 振膜單元,最高支援 52 dB 深度降噪;Pro 版最高支援 55 dB 深度降噪。X10 搭配充電盒綜合續航長達 41 小時,Pro 版則為 42 小時。
Descript 推出多項產品更新,新增整個雲端硬碟的搜尋功能,並讓 Enterprise 雲端硬碟用戶可透過非同步錄影邀請他人提交錄影。AI Speech 改用 ElevenLabs v4,付費方案的影片生成預設使用 MiniMax H3 Max Turbo,免費方案則使用 PixVerse V4.5。
墨爾本大學與新南威爾士大學的研究以 VoxMem 評測大型音頻語言模型,發現模型對説話人、語氣及環境聲等聲學資訊的記憶明顯弱於對話文字內容。VoxMem 收錄超過3.4萬段口語會話,總長177小時;在32K tokens下測試的15個模型,整體準確率均低於40%,最佳為38.5%。跨會話聲學狀態追蹤準確率僅0.9%–3.7%;在64K檔位,15個模型中只有10個能完整跑通,環境聲準確率為0.9%。
Deepgram 正致力讓語音 AI 模型在網絡隔離筆電的硬件上原生運行。該公司不少客戶自行託管模型,並與 Fortanix 合作,為受監管行業提供私有、本地部署的語音 AI。
Hippocratic AI 於 2026 年 8 月 13 日推出 Agentic Orchestrators,將醫療語音 AI 智能體組成協調團隊,面向臨牀及業務成果。
MIT 研究人員開發以 LLM 為基礎的系統,從數週真實對話學習重複模式,預測用戶下一步的對話行為。研究收集 14 名參與者逾 1,000 小時的自然對話,整理成行為歷史後交由 Gemini 2.5 Pro 預測。結果顯示,情境化模式可改善口語行為預測;參與者重視模式可供閲讀及修訂的透明度。
Sierra 於 2026 年 10 月 7 日推出 Fleming-1,偵測電話來電者是否為 AI 智能體。模型會即時分析來電語音,評估音訊由 AI 生成的跡象,並標示疑似 AI 來電;預設設定較保守,以免誤將真人標記。Fleming-1 適用於 Sierra 平台上的任何語音智能體,企業只需啟用,並自行決定如何處理這類來電。
ARPA-H 選定 Atman Health 參與 ADVOCATE 計劃,開發以心臟衰竭照護為起點、面向患者的臨牀 AI 智能體,合約金額最高為 $7.7 million。
Kintsugi Voice 團隊在測試合成語音時,意外發現幾乎每次都能分辨合成語音與真人語音。該技術原用於分析音高、語調、音色和停頓等語音生物標記,以識別抑鬱和焦慮跡象。團隊其後與網絡安全、金融服務及電訊公司交流,確認辨別即時通話中真人與合成語音的實際需求。
AudioShake 推出 The Refinery,將現有錄音轉成按説話者分離的 AI 訓練資料,無需原始錄音場次或獨立錄製的分軌音訊。
前 Plaud 高管 Peter Mo 共同創立的 Ambi 宣佈在多輪融資中籌得 $26 million,由 Luminous Ventures 和 ODM Huaqin 領投。
安克與飛書聯合推出的安克 AI 會議耳機飛書版開售,首發價 1799 元,首發補貼價 1376.23 元。耳機支援線上通話及線下面對面溝通錄音,並整合飛書 AI 生態,提供 AI 紀要整理、AI 即時翻譯及豆包問答、分析功能。
MarkTechPost 比較 12 款 AI 即時翻譯工具,按通話、會議及活動等場景整理語言覆蓋、輸出方式、平台、延遲與公開價格。Palabra.ai 聲稱延遲低於 1 秒,Gemini 3.5 Live Translate 涵蓋 70+ 種語言;JotMe Pro 年付每月 $10,Wordly 10 小時方案約 $1,500。
榮耀宣佈,Earbuds X10 藍牙耳機將於 10 月 13 日發售,首發價 149 元。耳機搭載 12.4 mm 振膜單元,提供最高 52 dB 深度降噪,單次音樂播放最長 8 小時,配合充電盒綜合續航達 41 小時。產品另具 IP54 認證,支援空間環繞聲效、雙設備連接及即時翻譯。
阿布扎比的 Technology Innovation Institute(TII)發佈 1.6B 參數阿拉伯語語音辨識模型 Falcon-ASR,在其 6 組阿拉伯語測試集錄得 20.92% 平均 WER。
吉利遠程旗下純電商務車星享 M7E 正式上市,官方指導價 12.59 萬元,限時專享價 11.39 萬元,並首搭金磚致遠電池。新車搭載 66kWh 電池,CLTC 綜合續航超 465 公里,前置單電機最大功率 120kW。2026 年 12 月 31 日 24 點前下定可享限時價,金磚致遠電池常温下由 20% 充至 80% 約需 18 分鐘。
BetterWispr 推出適用於 macOS 14+ 的免費開源語音輸入軟件,讓用戶透過快捷鍵在不同應用中口述並輸入文字。它內置九款來自 Apple speech、Parakeet 和 Whisper 的語音模型;安裝相容模型及所需資源後可離線使用,毋須帳戶,亦沒有雲端轉錄備援。
Cartesia 推出 Multilingual Voices,讓 50+ 個語音庫聲音原生支援最多 25 種語言,並讓自訂聲音克隆支援多語言。用戶可在不同語言中沿用同一聲音身份;每種語言和口音均由母語人士評分,檢查口音表現,以及日期、數字和貨幣是否按當地方式讀出。