OpenAI凌晨发布最新生产级别语音模型和API。Realtime API实现语音直接处理，支持图像输入、远程MCP服务器与SIP打电话，极大简化语音智能体构建；而新一代语音到语音模型gpt-realtime，在音质、理解力、指令遵循和函数调用上全面提升，语音几乎媲美真人，还能多语种切换与细腻表达。
一个月前在德国被50多家投资人拒绝的AI创业公司，搬到硅谷后却能在一周内完成470万美元的融资，而且投资人几乎全部说"yes"。这不是什么励志鸡汤故事，而是Leaping AI创始人Kevin Wu的真实经历。
情感语音交互模型初创公司宇生月伴近日完成新一轮融资，由靖亚资本和小苗朗程领投，菡源资产（上海交大母基金）跟投，心流资本FlowCapital担任长期财务顾问。本轮融资将用于语音模型的持续优化、产品矩阵拓展及国际化商业落地。作为国内首家聚焦“情感语音交互”的模型公司，宇生月伴正重新定义AI时代的语音交互范式。
一家名为Palabra AI 的初创公司正在开发 AI 语音翻译引擎，致力于解决教学大型语言模型(LLMs)理解多种语言这一颇具挑战性的难题。
今天，MiniMax发布新一代语音生成模型Speech 2.5，再次刷新全球最强语音模型的上限。
习以为常的语音输入功能，焕发第二春？
WebAgent 续作《WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization》中
AI语音成大厂必争之地 打开字节、阿里们的多模态能力地图，每块宝藏都标着"语音”。
随着 AI 系统越来越强大，人们与机器的交流方式也在发生变化。语音，正在迅速成为默认的交互入口。
GPT-4o、Gemini这些顶级语音模型虽然展现了惊人的共情对话能力，但它们的技术体系完全闭源。
