Higgsfield AI 推出 Higgsfield Speak：输入台词生成动态说话视频
Higgsfield AI 推出视频生成工具 Higgsfield Speak。用户选定风格与形象并输入台词脚本后，系统会自动合成包含镜头动态、语音与面部情绪的说话视频，降低了制作动态口播视频的门槛。
AI语音
查看更新的新闻
语音 AI 融资暴增 8 倍：人声逼真度大涨，客服全面进军电话线
CB Insights 数据显示语音 AI 初创公司去年吸金 21 亿美元，同比飙升 8 倍。得益于 OpenAI Realtime API 与 ElevenLabs 等全双工模型突破，语音延迟和成本大幅降低，餐厅和医院已开始大规模用它接听订单与热线，客户几乎难辨真假。
Epic 将向创作者开放 AI NPC：人人都能在《堡垒之夜》做会聊天的角色
Epic Games 宣布计划允许创作者在《堡垒之夜》中自制 AI 驱动的 NPC。继黑武士语音互动走红后，Epic 将把多层安全防护工具同步开放给创作者，方便其打造能自由语音对话的角色。最值得关注的是，游戏将从固定剧本迈向无限对话体验，不过具体上线时间尚未公布。
NotebookLM 支持公开链接分享：任何人都能点开互动、听音频播客
Google 宣布为 NotebookLM 上线公开链接分享功能，允许用户通过单条链接公开自己的笔记本。访问者无法修改源文件，但可以直接提问互动，或查看生成的音频概览与简报。目前该功能仅向个人账号开放。
Wispr Flow 上线 iOS 版：支持 100 多种语言，轻声耳语也能打字
语音听写创业公司 Wispr Flow 发布 iOS 应用，以第三方输入法形式支持在任意 App 中用语音输入。应用支持 100 多种语言，具备弱网运行和低声耳语识别能力，还能自动学习专业术语。每周提供 2000 词免费额度，无限量版每月 12 美元。
Phonely 联手 Groq 升级语音 AI：首字响应 176 毫秒，准确率冲上 99.2%
据 VentureBeat 报道，AI 电话客服公司 Phonely 联手 Maitai 与芯片厂商 Groq，利用零延迟 LoRA 热切换技术大幅压低响应延迟。其语音智能体首 token 延迟降至 176 毫秒，准确率跃升至 99.2%，超七成致电者分不清是人是 AI，已有客户本月借此替代了 350 名人工客服。
ElevenLabs 接入 Claude Sonnet 4：实时语音终于不卡壳了
ElevenLabs 宣布在 Conversational AI 平台接入 Anthropic 的 Claude Sonnet 4 模型。新模型主打复杂指令遵循与极低延迟，能在实时语音中保持长上下文记忆并稳定调用外部工具。开发者在控制台选择该模型后，即可通过单行代码部署更自然的语音智能体。
ElevenLabs 升级对话式 AI：支持语音与文字混着用，报邮箱不再靠嘴念
ElevenLabs 宣布为 Conversational AI 平台引入文本与语音多模态支持。AI 智能体现在可以同时接收并处理说话与打字输入，用户在同一场对话中既能口头交流，也能在输入邮箱、卡号等易错信息时切换为文字输入，以此降低纯语音交互的识别错误率。
Hume AI 推出 EVI 3：一句提示词，任意声音和性格随你定制
Hume AI 发布第三代端到端语音大模型 EVI 3。该模型将听觉、语言与发声融为一体，支持通过提示词生成任意音色和人设，并兼容平台现有的 10 万多种定制声音。在盲测中，其共情力与自然度表现超越 GPT-4o。
ElevenLabs 推出批量外呼：AI 语音智能体可并发拨打数百通电话
ElevenLabs 为 Conversational AI 平台上线批量外呼功能。用户可上传表格导入联系人并注入动态变量，借助 Twilio 或 SIP 线路同时并发拨打数百通个性化语音电话，用于通知提醒或问卷调查，支持 API 调用及实时监控。
Claude 终于能说话了：移动端上线语音模式，接入 Sonnet 4
Anthropic 宣布在 Claude 移动端测试语音模式，由 Sonnet 4 驱动。新功能提供 5 种声音风格并支持实时转录，付费用户还能联动 Google Workspace。该功能将在几周内先向英语用户开放，免费用户每月可发 20 至 30 条语音。
Shopify 上线 AI 建站工具：一句话生成网店，Sidekick 获语音支持
Shopify 推出多项 AI 工具，包括支持单条提示词直接生成完整店面的 AI 建站功能，以及内置 AI 调节能力的新主题 Horizon。其商业助手 Sidekick 也加入语音通话与屏幕共享功能，并正式上线移动端。
Google 升级 Gemini 2.5：新增 Deep Think 推理与原生语音输出
Google 发布 Gemini 2.5 系列更新，为 2.5 Pro 推出实验性推理模式 Deep Think，支持探索多重假设攻克复杂数学与编程。模型还新增原生音频输出、思考预算控制以及 MCP 工具支持，2.5 Flash 即日起面向所有用户开放。
Google NotebookLM 迎来大更新：不仅能做播客，还能把笔记变「视频概览」
Google 在 I/O 大会上宣布 NotebookLM 将上线「视频概览」功能，能把笔记、PDF 和图片转成可视化演示。原有的 AI 播客功能也支持自定义长短。此前一天，NotebookLM 的 iOS 和 Android 客户端已正式上线。
Google 推出 NotebookLM 移动端：支持离线听播客、随时导入资料
Google 正式在 Android 和 iOS 推出 NotebookLM 移动应用。用户可离线或在后台收听 Audio Overviews，还能点击 Join 与主持人互动提问，或通过手机系统分享一键导入网页和 PDF。通勤路上消化复杂资料终于顺手了。
Acer 杀入 AI 穿戴：推出免订阅智能戒指，翻译耳机单人戴就能聊
在 Computex 2025 上，Acer 旗下 Acer Gadget 推出钛合金健康指环 FreeSense Ring 与翻译耳机 AI TransBuds。戒指主打所有健康数据免收订阅费；耳机只需单人佩戴，连接接收器即可实现 15 种语言的双向实时语音翻译与字幕转录。
Google 升级无障碍功能：Gemini 能解答全屏内容，字幕还能听出情绪
Google 配合全球无障碍宣传日更新 Android 与 Chrome。TalkBack 屏幕阅读器接入 Gemini，支持对图片及整个屏幕直接追问细节；实时字幕新增语调长短和咳嗽、口哨等声音标签。最值得关注的是，AI 正在把无障碍从文字转写推向深层语境理解。
Windows 测试「Hey Copilot」唤醒词：电脑解锁就能随时喊出 AI 语音
Microsoft 开始向 Windows Insider 成员推送 Copilot 应用更新，新增「Hey, Copilot」语音唤醒词。在电脑解锁状态下，用户无需手动点击即可随时开启语音对话。唤醒词识别完全在本地运行，默认关闭，目前仅支持英语。
Notion 上线 AI 会议转录：打「/meet」边录音边记笔记
Notion 推出 AI 会议记录功能。用户在 Mac 客户端输入「/meet」即可捕获系统音频转录，边录边手动记笔记，会后自动生成结构化摘要，支持中英等十几种语言。同时还推出了企业跨应用搜索与结合推理模型的研究模式。
Spotify 升级 AI DJ：支持直接语音点歌、随时切换曲风
Spotify 为 AI DJ 加入语音交互功能，用户长按 DJ 按钮就能直接说话点歌、换流派或调整情绪。这项功能目前支持英语，已向 60 多个市场的 Premium 订阅用户推出。过去只能单向听它播放和解说，现在终于能实时插话提要求了。