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。
你有没有想过，为什么打客服电话时还要按那么多数字键？为什么不能像跟真人对话一样，直接说出你的需求？这个困扰无数消费者的问题，正在被一家来自柏林的创业公司彻底解决。Synthflow AI 刚刚完成了 2000 万美元的 A 轮融资，由 Accel 领投，而他们的目标是让每一通客服电话都变成自然流畅的对话体验。
苹果 Siri 折戟，但越来越多的「AI Siri」拿到了融资。
如果说硅谷最近有什么产品能真正给大家带来那种珍贵的 aha moment，语音输入产品 Wispr Flow 就是其中之一。
