Xbox 推出 Gaming Copilot：打游戏遇到难题或敌人，直接语音问 AI
Xbox 宣布推出 Gaming Copilot 公测版，即日起逐步整合进 Windows PC 的 Game Bar，10 月上线移动端。它支持实时语音交流，能看懂玩家屏幕内容，随时解答任务攻略、敌人弱点或 NPC 背景。除中国大陆外，面向年满 18 岁玩家开放。
AI语音
查看更新的新闻
ElevenLabs 推出 Studio 3.0：支持视频，集齐配音音效与协作功能
ElevenLabs 推出 Studio 3.0 编辑器，在整合配音、音乐、音效、人声分离与变声等能力的基础上新增视频支持。该版本还加入自动字幕、录音语音纠错以及多人协作评论功能，把多项音视频后期流程收拢进同一工具。
YouTube 升级 Studio：上线对话 AI「Ask Studio」，还支持口型同步配音
YouTube 在 Made on YouTube 上发布一系列 Studio 更新，推出对话式 AI「Ask Studio」，可直接回答数据表现与选题建议。此外，平台支持 3 组标题与封面测验、最多 5 人合拍，并即将测试 20 种语言的口型同步配音及肖像保护功能。
ElevenLabs 推出 Productions：引入人工精修，做自然配音与有声书
ElevenLabs 推出托管服务 Productions，面向创作者与媒体企业提供人工打磨的内容制作。官方组建了由语言学者和音频专家构成的网络，负责配音、字幕、转录和有声书的端到端制作，解决纯 AI 生成偶有的生硬感。
苹果又走一位 AI 大将：Siri 与搜索团队高管 Robby Walker 下月离职
据彭博社周五报道，苹果 AI 与搜索团队高级总监 Robby Walker 计划下月离职。Walker 自 2013 年加入苹果，此前曾统管 Siri 业务。随着 Siri 的 AI 升级推迟至明年，苹果近期已有包括模型主管 Ruoming Pang 在内的多位核心人才出走 Meta。
Udio 上线 Voices：固定生成歌曲的专属声线
AI 音乐平台 Udio 推出「Voices」功能，让用户实现稳定的人声控制。你可以从官方预置库挑选声线，也能将已生成歌曲中的声音单独保存并在新歌中复用。该功能向所有用户免费试用两周，之后仅对付费订阅者开放。
Copilot Labs 上线脚本模式：新模型支持逐字精准朗读
Microsoft 旗下 Copilot Labs 推出音频生成「脚本模式」，由新模型 MAI-Voice-1 驱动。该模式能一字不差地逐字朗读输入文本，同时还提供戏剧感更强的 Emotive 模式与支持多角色的 Story 模式，解决了 AI 朗读容易自行发挥的痛点。
ElevenLabs 推出智能体测试功能：自动化跑回归，支持接入 CI/CD
ElevenLabs 推出 Agents Testing 功能，支持对对话智能体进行结构化模拟测试。系统可覆盖工具调用、人工转接与安全护栏，并支持由历史对话自动生成测试用例并接入 CI/CD。这意味着开发者在修改 Prompt 或流程时，能在上线前自动排查故障。
OneMeta AI 推出 Verbum：支持 50 人同时跨 82 种语言实时语音对话
OneMeta AI 推出实时翻译服务 Verbum，支持最多 50 人在群聊中各讲母语、跨 82 种语言及 40 种方言顺畅沟通。系统在发言后 1 秒内生成文字转录，并在约 1 秒后输出自然 AI 语音，最初面向跨国团队会议，亦可用于元宇宙多人场景。
苹果发布 AirPods Pro 3：降噪提升 2 倍，支持 AI 实时翻译与心率监测
Apple 正式发布 AirPods Pro 3，售价 249 美元。新耳机降噪能力提升至前代的 2 倍，首次加入心率传感器与端侧 AI 驱动的运动指导，并依托 Apple Intelligence 带来了面对面实时翻译功能。
Gemini App 终于支持传音频：免费能传 10 分钟，高级版放宽至 3 小时
周一，Google 为 Gemini 应用补齐了呼声最高的功能：音频文件上传。免费用户每天可传 5 次、单次上限 10 分钟，付费订阅用户单次最长支持 3 小时。此外，NotebookLM 也加入了学习指南、测验等多种报告模板，搜索 AI 模式还新增了日语、韩语等 5 种语言。
Roblox 推出短视频流与新 AI 工具：一句话生成可开的赛车
Roblox 在开发者大会上推出短视频流 Roblox Moments 及一系列 AI 工具。平台不仅支持用提示词直接生成可驾驶赛车等交互式 3D 物件，还提供实时语音翻译与 NPC 交互 API，同时创作者分成提现比例也提高了 8.5%。
Timekettle 推出 W4 翻译耳机：骨传导拾音，双人对聊即时翻译
Timekettle 发布 W4 AI 实时翻译耳机，售价 349 美元。它结合麦克风与骨传导传感器，在嘈杂环境或轻声耳语时也能准确拾音；耳机内置 Babel OS 2.0，借助大模型支持 42 种语言和 95 种口音即时互译，连续翻译续航达 4 小时。
Anker 发布硬币大小录音器 Soundcore Work：GPT-4.1 驱动，转写百种语言
Anker 推出硬币大小的 AI 录音器 Soundcore Work，售价 159 美元。其直径仅 0.91 英寸，单次续航 8 小时，能夹在衣服上佩戴。设备接入 GPT-4.1，支持转写 100 多种语言、区分发言人并自动生成会议摘要。
被恶搞下单 1.8 万杯水后：麦当劳与塔可钟重整 AI 车道点餐
据报道 Taco Bell 和麦当劳在经历翻车后重整 AI 车道点餐策略。此前麦当劳测试因乱加培根终止与 IBM 合作，甚至有顾客恶搞下单 1.8 万杯水。如今麦当劳转向谷歌云语音技术，塔可钟则计划在高峰期由人工接管。快餐巨头即便踩坑，仍坚信语音 AI 能为门店减负。
微软推出两款自研模型：语音模型 MAI-Voice 与端到端基座 MAI-1
Microsoft 发布首批自研模型。语音模型 MAI-Voice-1 单卡不到一秒即可生成一分钟音频，已接入 Copilot；首个端到端混合专家模型 MAI-1-preview 使用约 1.5 万张 H100 训练，正上线 LMArena 公测。微软正加速强化自研技术储备。
OpenAI 正式上线 Realtime API：推出 gpt-realtime，接打电话还降价 20%
OpenAI 宣布 Realtime API 正式商用，并推出端到端语音模型 gpt-realtime。新模型支持 SIP 电话直连、图片输入和远程 MCP 工具调用，能在等待函数执行时自然接话，价格比预览版降了 20%。
Aurelian 获 1400 万美元融资：用 AI 替 911 接听非紧急电话
AI 语音初创公司 Aurelian 宣布完成由 NEA 领投的 1400 万美元 A 轮融资。美国 911 调度中心长期人手匮乏，Aurelian 研发的 AI 助手专门替人工分流违停、噪音等非紧急报案，一旦识别到真正险情则秒切人工。该系统已在全美十几个应急调度中心上线接听电话。
微软 Copilot 登陆三星电视：配动态形象，遥控器一键无剧透答疑
Microsoft 将 Copilot 接入三星 2025 款智能电视与显示器。用户按遥控器麦克风即可唤出屏幕上的动态形象，用来查背景常识、让 AI 生成无剧透剧情梗概或推荐电影。登录微软账号还能同步个人偏好，目前率先在部分地区机型上线。
Meta Horizon 升级：场景生成向全员开放，大模型具身 NPC 即将上线
Meta 宣布在 Worlds Desktop Editor 中向所有创作者正式开放 Environment Generation 场景生成功能，支持通过提示词生成主题环境。同时，Meta 预告即将推出支持语音动态对话的具身大模型 NPC，并可在 VR 与移动端世界中使用。