Windsurf 釋出 Wave 11：支援語音輸入與檢查點，瀏覽器能自抓 DOM
本週早些時候，Windsurf 釋出 Wave 11 更新。其 AI 助手 Cascade 現已支援語音輸入、對話命名檢查點以及跨對話引用，並能直接調取瀏覽器標籤頁截圖和 DOM 樹資訊。此外，備受好評的規劃模式已改為預設開啟，JetBrains 外掛也同步獲得了對應功能補齊。
AI語音
檢視更新的新聞
OpenAI 升級 macOS 客戶端：全球 Plus 使用者可用「錄音模式」
OpenAI 宣佈面向全球 ChatGPT Plus 訂閱使用者開放 macOS 桌面端的「錄音模式」。該功能可捕捉會議、頭腦風暴或語音備忘錄，ChatGPT 不僅能完成轉錄和核心提煉，還能直接轉化為後續待辦、方案或程式碼。
Mistral 開源語音模型 Voxtral：超越 Whisper，支援語音直調函式
Mistral AI 開源釋出語音理解模型 Voxtral，推出 24B 與 3B 兩個 Apache 2.0 版本。它支援 32k 上下文與 40 分鐘長音訊，能直接從語音觸發函式呼叫，轉錄表現全面擊敗 Whisper large-v3，API 價格僅同類競品一半。
Meta 收購語音初創 PlayAI：全員加入，押注智慧體與穿戴裝置
Meta 確認收購語音 AI 初創公司 PlayAI，交易金額未披露，其整個團隊將於下週加入。備忘錄顯示，PlayAI 逼真的人聲生成技術將用於 Meta AI、虛擬角色、穿戴硬體及音訊內容製作。Meta 正在加緊補齊多模態互動中最核心的語音拼圖。
遊戲演員罷工一年終落幕：95% 贊成票通過 AI 保護協議
美國演員工會 SAG-AFTRA 投票通過新協議，正式結束長達一年的遊戲演員罷工。協議規定遊戲大廠使用 AI 生成演員的數字替身或動作捕捉資料時，必須獲得知情同意並給予合理補償，同時大幅提高了基礎薪資。
Deepgram 釋出 Saga：讓開發者用嘴寫程式碼，省去切屏打字
Deepgram 釋出面向開發者的語音系統 Saga。它能直接嵌入 Cursor、Windsurf 等環境，讓開發者動嘴就能生成提示詞或更新 Jira 與 Slack 狀態。這相當於把語音變成系統級入口，減少頻繁切屏帶來的效率損耗。
Google Veo 3 支援圖生音影片：一張圖片即可開口說話
Google 宣佈在 AI 影視製作工具 Flow 中升級 Veo 3，正式支援在「圖生影片」中直接生成角色語音對話。使用者只需提供第一幀影像，就能驅動角色動作並生成配套臺詞，顯著改善了角色一致性。同時 Flow 擴充套件至全球 140 多個國家。
WhatsApp 為大型企業上線語音通話：支援接入 AI 客服
Meta 宣佈為 WhatsApp 商業套件推出大型企業語音通話 API，支援使用者與商家雙向語音呼叫。這為接入 AI 語音智慧體鋪平了道路，企業可藉此搭建自動化客服；此外，Meta 還在測試 AI 商品推薦功能。
傳蘋果考慮用 Anthropic 或 OpenAI 替代 Siri 自研大模型
據彭博社報道，蘋果正考慮引入 Anthropic 或 OpenAI 的大模型來驅動新版 Siri，以挽回自研 AI 的落後局面。蘋果已與兩家接洽，探討在自傢俬有云部署外部模型。若成真，標誌著蘋果 AI 策略的重大轉向，但據傳這已打擊了內部自研團隊計程車氣。
ChatGPT 上線 macOS 錄音模式：開會不用記筆記，AI 自動提煉待辦
OpenAI 宣佈在 macOS 桌面端為 ChatGPT Pro、Enterprise 和 Edu 使用者上線「錄音模式」（Record mode）。使用者可以直接在客戶端內錄製會議或靈感，AI 會即時轉寫、提煉核心要點並生成待辦清單，直接省去人工記筆記的麻煩。
Google 上線 Search Live：直接用語音和搜尋引擎即時連麥
Google 在移動端上線 Search Live。它基於定製版 Gemini 模型，支援與搜尋即時語音多輪對話，螢幕還會同步給出網頁連結並支援後臺執行。最值得關注的是搜尋方式從打字變成邊聊邊查。目前僅限美國 Labs 使用者測試。
OpenAI 推出官方播客：首期 Sam Altman 暢談 AGI 與 GPT-5
OpenAI 正式推出官方播客節目《OpenAI Podcast》。首期由 Andrew Mayne 對話 Sam Altman，重點聊了 AGI、大家催更的 GPT-5、資料隱私以及後續發展。這意味著 OpenAI 也有了屬於自己的長對話陣地，直接對外輸出技術路線和最新動態。
ElevenLabs 推出 v3 音訊標籤：打標籤就能控制 AI 說話節奏與停頓
ElevenLabs 為 Eleven v3 推出音訊標籤功能，讓創作者直接在臺詞中插入標籤控制語速、停頓和重音。比如寫上 [pause]、[rushed] 或 [stammers]，AI 就會配合改變停頓與語氣。不過目前該功能對專業聲音克隆（PVC）支援尚不完善。
Google 搜尋測試音訊概述：Gemini 把搜尋結果直接「讀」給你聽
Google 在 Search Labs 推出實驗性功能 Audio Overviews。它藉助最新 Gemini 模型，能將特定搜尋結果轉成簡短的對話式語音概述，並在播放器中附上參考網頁。適合多工或不想盯螢幕時快速瞭解陌生主題。
SAG-AFTRA 敲定遊戲協議：用 AI 做數字替身須同意，即時生成給 7.5 倍薪酬
SAG-AFTRA 公佈遊戲行業暫定協議細節。資方使用演員聲音、肖像或動作訓練 AI 必須獲得知情同意；若將數字替身用於遊戲內的即時語音聊天機器人，演員將享有至少 7.5 倍最低報酬。這場圍繞生成式 AI 的罷工持續 320 天后，終於定下了具體賠償底線。
ChatGPT Projects 迎來更新：支援深度研究、語音模式及跨對話記憶
OpenAI 宣佈升級 ChatGPT 的 Projects 功能，加入深度研究與語音模式支援。此外，專案內記憶能力得到最佳化，可以直接引用過去的對話記錄；移動端也補充了檔案上傳和模型選擇功能。
三星 Bespoke AI 冰箱升級：聽聲音認家庭成員，還能幫你找手機
Samsung 為 2025 款 Bespoke AI 冰箱推送更新，Bixby 助手開始支援多人語音識別。冰箱能憑聲線辨識不同家庭成員，自動切換專屬日程、照片或無障礙顯示模式，還能幫找手機。更新率先推送給配有 Family Hub 大屏的型號。
ChatGPT 高階語音大更新：語氣更自然，還能連著當同傳
OpenAI 升級了 ChatGPT 的高階語音模式，面向所有付費使用者開放。新版聲音更自然，能呈現停頓、重音以及諷刺和共情等細微情緒，還能當作連續翻譯助手使用。不過官方也提醒，偶爾仍會出現音調波動或雜音亂碼等小毛病。
蘋果 WWDC 2025 曝光：Apple Intelligence 迎即時翻譯與開發者工具
據彭博社報道，蘋果計劃在 WWDC 2025 上重點為 Apple Intelligence 更新跨系統翻譯與開發者工具。使用者將支援資訊自動翻譯、電話與 AirPods 即時對話翻譯；開發者則可直接呼叫 Genmoji 等 AI 能力。具體細節預計於 6 月 9 日揭曉。
ElevenLabs 釋出 Eleven v3 Alpha：支援情感控制標籤與 70 多種語言
ElevenLabs 推出文本轉語音模型 Eleven v3 的 Alpha 測試版本，進一步提升語音的情感表達與上下文感知能力。模型支援 70 多種語言與單次最高 5000 字元輸入，並引入音訊標籤來直接控制耳語、笑聲等情緒語氣。這意味著創作者無需專業配音演員，就能生成富有情緒起伏的多語言角色對話。