Google 翻譯引入 Gemini：支援 70 多種語言即時對話與口語對練
Google 宣佈為 Google 翻譯應用上線兩項由 Gemini 驅動的新功能：支援 70 多種語言的即時雙向語音翻譯，以及可自適應水平的個性化聽力口語練習。即時翻譯能識別停頓與語調並在嘈雜環境抗噪，練習功能則提供場景化對話。目前即時翻譯面向美、印、墨開放，練習功能向部分語種測試。
AI語音
檢視更新的新聞
Google NotebookLM 升級：影片概覽支援 80 種語言，音訊體驗看齊英文
Google 宣佈 NotebookLM 的影片概覽支援 80 多種語言，能把資料直接轉成視覺化影片演示。同時，非英語音訊概覽從短版摘要升級為長篇深度討論，質量看齊英文版。新功能即日起向全球使用者推送。
特斯拉中國接入 DeepSeek 與豆包：上線語音助手「Hey Tesla」
Tesla 在中國推出全新 AI 語音助手，由字節跳動豆包負責車控與導航、DeepSeek 負責閒聊問答。系統首發搭載於 8 月上市的六座版 Model Y L，支援「Hey Tesla」免按鍵喚醒。Tesla 試圖借本土模型補齊座艙短板，追趕國內競品。
Runway 為 Act-Two 上線 Voices：角色動作與聲音能一起調了
Runway 宣佈在 Act-Two 中加入 Voices 功能。創作者現在不僅能用動作驅動畫面，還能直接調整發聲表現，讓聲音貼合生成的角色。Runway Academy 當天同步上線了對應教程。
Google 釋出 Gemini for Home：支援複雜連續指令，替代經典語音助手
Google 釋出新一代智慧家居助手 Gemini for Home。它能理解像「除了臥室其他燈全關」這類複合指令，還引入了支援隨時打斷的 Gemini Live 連續對話。它將提供免費和付費版本，逐步取代現有的 Google Assistant，10 月開啟早期測試。
Google 升級 Gemini Live：看懂鏡頭還能在螢幕標重點，語音更有人味
Google 升級 Gemini Live，加入即時視覺指引功能，開啟攝像頭就能直接在畫面上圈出推薦物品。同時打通 Calendar、Keep 等原生應用並升級語音表現力。視覺功能將於 8 月 28 日隨 Pixel 10 率先落地並逐步推向 Android 與 iOS。
Google 盤點 Pixel 10 的 9 大 AI 功能：跨應用串聯與端側聲音翻譯
Google 公佈 Pixel 10 系列的 9 項 AI 新功能。新機搭載 Tensor G5 晶片與 Gemini Nano，新增跨應用提供資訊的 Magic Cue、通話即時克隆聲音翻譯等特性。這套功能主打端側隱私運算，讓手機能更主動地替人處理雜務。
ElevenLabs 上線 Eleven v3 alpha：支援多人對話與音訊標籤情緒控制
ElevenLabs 宣佈將新一代語音模型 Eleven v3 (alpha) 接入 API。該版本支援 70 多種語言，並新增支援無限發言人數的多人對話模式，能自然處理插話和語氣轉換，還能通過音訊標籤精細調節情緒。
Meta 升級 Reels 翻譯工具：用創作者原聲自動配音，連口型也能對上
Meta 擴大 Reels 的 AI 翻譯工具許可權，能自動為短影片配音並同步口型。系統會保留創作者本人的音色與語調，首批支援英西互譯。目前向粉絲超 1000 人的 Facebook 創作者及 Instagram 公開賬號開放。
ElevenLabs 上線 Chat Mode：語音智慧體也能打字了
ElevenLabs 推出純文本互動功能 Chat Mode。該模式專為需要精準輸入訂單號、郵箱或使用者不方便開麥的場景設計。已有語音智慧體可通過 SDK、API 或單行 HTML 一鍵開啟，補齊了打字與通話混合互動的能力。
Google Docs 上線 Gemini 朗讀功能：支援自然人聲與變速，文件能「聽」了
Google 宣佈在 Google Docs 中推出由 Gemini 支援的文件朗讀功能。使用者可在「工具 > 音訊」選單中點選「收聽此標籤頁」，自由切換不同自然人聲並調節播放語速，方便邊聽邊讀或挑錯。該功能正面向 Workspace 商業版、企業版及 Gemini 訂閱使用者推送。
NVIDIA 開源百萬小時語音資料集 Granary，以及兩款多語言模型
NVIDIA 聯合卡耐基梅隆大學等開源多語言語音資料集 Granary，涵蓋約 100 萬小時音訊與 25 種歐洲語言。同步上線的 Canary-1b-v2 轉錄準確率登頂 Hugging Face 榜首，Parakeet 模型則主打高吞吐即時轉錄，大幅降低小語種語音 AI 的開發門檻。
傳蘋果規劃 AI 智慧家居版圖：桌面機器人、擬人化 Siri 與智慧屏
據彭博社報道，蘋果正推進多款 AI 硬體研發，包括配有機械臂的桌面機器人、智慧屏與安防攝像頭，瞄準 2026 至 2027 年上市。工程師正從零重構代號 Linwood 的新 Siri，並計劃加入名為「Bubbles」的擬人化角色。
iOS 26 測試版曝光新功能：同時按捏兩側 AirPods，或可觸發面對面即時翻譯
9to5Mac 在 iOS 26 開發者測試版程式碼中發現新系統素材，顯示使用者可通過同時捏住兩隻 AirPods 耳機柄觸發翻譯功能。該手勢與翻譯 App 關聯，適配第二代 AirPods Pro 和第四代 AirPods，用於現實對話。目前支援的具體 iPhone 機型尚未確認。
MiniMax 上線 Speech 2.5：支援 40 種語言的高擬真聲音克隆
MiniMax 正式上線新一代語音模型 Speech 2.5。新模型覆蓋 40 種語言，主打告別機械音，能夠在聲音克隆中還原口音、年齡與豐富情緒。對於跨國內容創作者和出海應用開發者來說，多語言配音的門檻又降低了一截。
微軟高管展望 2030 年 Windows：全面轉向語音與多模態，告別鍵鼠時代
據報道，微軟副總裁 David Weston 描繪了 2030 年 Windows 的願景。未來的電腦將能看懂我們所見、聽懂我們所聽，互動以多模態和語音為主，傳統的滑鼠打字將變得像如今看 MS-DOS 一樣陌生遙遠。
Yelp 上線 AI 拼接短影片：抓取使用者評價和照片，自動生成探店解說
Yelp 在 iOS 應用全美上線 AI 生成的餐廳短影片。系統利用 OpenAI 撰寫解說指令碼、ElevenLabs 生成旁白配音並自動拼接使用者的真實圖文。不過商家目前無法提前預覽，普通使用者也暫不能禁止自己的照片被選用。
羅徹斯特大學新研究：讀一句英文，AI 篩查帕金森氏症準確率達 85.7%
羅徹斯特大學團隊在《npj Parkinson's Disease》發表成果，受試者對著麥克風朗讀一句包含所有英文字母的例句，融合三種語音模型的 AI 就能以 85.7% 的準確率篩查出帕金森氏症，表現優於非專科醫生。該技術有望用於居家初篩，但目前假陰性率約 25% 且僅支援英語。
Sam Altman 做客 Theo Von 播客：不能慢下來，但人類依然是主角
Sam Altman 做客 Theo Von 播客節目。面對技術發展過快和失業焦慮，Altman 直言 AI 研發競賽無法減速，否則主導權會落入他人之手。但他認為，即便大量工作被替代，人類也會重新找到意義並保持「主角」地位。
Hume AI 釋出 EVI 3：不僅克隆聲音，連說話風格也能模仿
Hume AI 推出新語音到語音模型 EVI 3 及配套 TTS。該模型不僅能復刻音色，還能克隆使用者的說話風格與語言表達習慣。Hume 將其稱為「個性克隆」，意味著語音 AI 正在從單純仿聲走向全方位的擬人互動。