语音 | 第3页 | 梭哈 AI

模型框架 2026.07.31 约 2 分钟

阿里发布 Qwen-Audio-3.0-ASR-Flash：专业场景语音识别新突破

阿里最近放出了新一代语音识别大模型 Qwen-Audio-3.0-ASR-Flash，主打一个「专业领域听得准」。说实话，语音识别在平常聊天场景…

AI 日报 2026.07.30 约 4 分钟

今天AI圈有几件值得关注的事，快速过一下。 🎙️ Fish Audio 发布 S2.1Pro 实时对话语音模型 Fish Audio 在成立周年…

anthropic-Claude 2026.07.28 约 3 分钟

核心看点 Claude语音模式升级，支持Opus、Sonnet和Haiku三大模型支持连接Gmail、Slack等工具，实现语音指令执行任务…

模型框架 2026.07.07 约 2 分钟

xAI 最近对 Grok Voice 进行了一次大升级，新增了21款旗舰级语音，同时优化了原有的5款经典语音。这次更新让 Grok 的语音能力从…

Google Gemini 2026.06.22 约 3 分钟

核心看点 6月9日，Google推出Gemini 3.5实时翻译模型，支持70多种语言的实时语音到语音翻译。它能自动检测语言、保留说话者的语调语…

anthropic-Claude 2026.06.20 约 5 分钟

核心看点中文支持终于来了：Claude语音模式打破英语限制，新增中文、日语、西班牙语等7种语言新增按下通话模式：除了原有的免提连续对话，现在可以…

大模型 2026.06.19 约 4 分钟

核心看点全双工对话：能同时听和说，像真人聊天那样可以随时插话，不再是"你说完我说"的回合制端到端语音：语音进、语音出，不进行文本转录，响应更…

openai-gpt 2026.06.17 约 5 分钟

核心看点 GPT-Bidi-1 模型：OpenAI 正在筹备推出全新语音模型，将成为 ChatGPT 语音模式最大规模升级双向语音交互：从名字…

Google-Gemini 2026.06.11 约 6 分钟

核心看点 6月9日，Google推出Gemini 3.5实时翻译模型，支持语音到语音实时翻译自动检测70多种语言，无需手动选择源语言保留说话…

Google Gemini 2026.06.10 约 5 分钟

Google 今天正式发布了 Gemini 3.5 Live Translate，这是目前最先进的实时语音翻译模型。和传统的文字翻译不同，它直接…