Meta Connect 2026上，扎克伯格把Muse叫作”个人超级智能”，同一场发布会里落地了两条完全不同形态的产品：一个是让AI长出脸和身体、能实时对话的Muse Rea…

过去两年，Voice AI 行业出现了一个非常明显的变化：开源语音模型越来越多，而且越来越强。 从早期 Whisper 带动 ASR 开源，到今天 Qwen、Microsoft 等大厂不断推出新的 A…

过去两年，语音模型的数量进入爆发期。Whisper、Qwen3-ASR、Qwen3-TTS 等开源模型不断降低部署门槛；OpenAI、Google等厂商持续推出实时语音、语音识别与语音合成 API。开…

8 月 18 日，NVIDIA AI Blueprints 的 Nemotron Voice Agent 发布 v2.1.0。release notes 很短，新增 Chatterbox TTS Mu…

8 月 18 日，k2-fsa 发布 sherpa-onnx v1.13.6，新增 VAD 加 ASR Flutter 示例，统一 Flutter 和 Dart CLI 初始化 API，修 Andro…

2026 年 8 月 3 日，NVIDIA 在 Hugging Face 上开放了 NemotronLabs VoiceChat 11B 的权重——这是目前第一个同时支持全双工对话和实时工具调用的开源…

科技媒体TestingCatalog近日披露，微软正在封闭测试一款名为MAI Realtime的原生实时语音模型。从目前曝光的MAI Playground测试界面来看，MAI Realtime可能是微…

7月30日，Thinking Machines Lab正式发布开放权重模型Inkling-Small。虽然名字里带着“Small”，但Inkling-Small依然拥有2760亿总参数。它真正变“小”…

在大模型语音能力快速升级的这几年，TTS（文本转语音）系统经常被更大的参数规模、更丰富的音色、更复杂的情绪控制和更强的云端推理能力定义。但放到实时互动场景里，TTS 很快会遇到更具体的问题，比如低端设…

7 月 14 日，Qwen Cloud 发布了 qwen-audio-3.0-tts-plus 和 qwen-audio-3.0-tts-flash。Qwen-Audio-TTS 增强了多语言和中文方…

做 Physical AI 产品的团队，通常把 90% 的精力放在两件事上：模型够不够聪明，本体够不够好。通信被当成一个边缘问题，接个 SDK、能传数据就行。 直到产品开始真实部署。用户家里的 Wi-…

2026 年 7 月 8 日，OpenAI 发布 GPT-Live。这是新一代语音模型家族，即日起接管 ChatGPT Voice。首发两个版本：GPT-Live-1 和 GPT-Live-1 min…