2026年10月5日，亚马逊在Bedrock上线了Amazon Nova 2.5 Sonic，内容是推理能力、指令遵循、工具调用准确性的提升，延迟也有所降低，公告原文没有给出任何百分比或毫秒数字，第三…

从微软一次性发布的三款语音模型，看流式架构怎么把延迟压进了百毫秒区间 2026年10月1日，微软一次性放出了三款语音模型：流式语音识别MAI-Transcribe-2-Streaming，两档语音合成…

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…

搭一套能跑起来的语音AI Agent，识别、合成、打断处理、多路对话这几层，到底有哪些是开发者可以直接拿现成开源项目用的。 一. 语音识别（ASR/STT）：给系统一双耳朵 whisper.cpp O…

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…