专题语音与音频-青峰联创 · AI与项目变现实操工坊

语音与音频大事记

AIHOT重要进展

资料来源于AIHOT，不代表青峰联创已逐项独立核验。AIHOT专题 ↗

数据校验时间：2026-11-04 05:57:48 UTC；数据待更新，显示最近有效快照

重要进展 IMPORTANT_PROGRESS

2026-08-13 — 2026-08-13
重要进展 · 第 1 / 13 页

2026-08-13模型
小红书开源连续自回归语音合成模型 dots.tts：打造可持续扩展的 TTS 基座
AIHOT事件 ↗原始外链未提供

语音与音频精选历史资讯

AIHOT · 精选 · 不计入本站文章

主题归属复核已到期或尚未完成；当前展示上次核验的历史缓存，不代表最新已确认的主题归属。

2026-07-14 — 2026-07-15 · 4 条
精选资讯 · 第 1 / 2 页

阿里发布 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 语音推理子项中综合排名第一

阿里通义实验室发布实时语音交互模型 Qwen-Audio-3.0-Realtime，在 Artificial Analysis 的 Speech Reasoning 子项中综合排名第一，超越 OpenAI GPT-Realtime-2。

Qwen-Audio-3.0-Realtime 如何让语音交互“懂倾听，更聪明”？

阿里语音交互模型 Fun-Realtime-AudioChat 全面升级并更名为 Qwen-Audio-3.0-Realtime，支持根据语境动态调整语气与情感、音色克隆，并内置多模态双工控制模型，实现声纹级背景过滤。

Google AI 发布 Gemini 3.5 Live Translate，支持 70+ 语言近实时语音到语音翻译

Google AI 发布 Gemini 3.5 Live Translate，支持 70+ 语言、近实时延迟的语音到语音翻译。该模型直接处理原始音频流，保留说话者语调、节奏和音高。东南亚超级应用 Grab 正探索将其用于司机与乘客间的跨语言沟通，其用户每月发起超 1000 万次语音通话。开发者可通过 Gemini Live API 集成 LiveKit、Fishjam、Pipecat 或 Vision Agents 构建应用。LiveKit 已实现虚拟会议室多语言即时理解；Software Mansion 结合 MoQ 协议突破流媒体瓶颈；VisionAgents AI 展示了动态多语言切换能力。开发者可在 Google AI Studio 试用并获取 Cookbook 示例代码。