Higgsfield AI 推出 Higgsfield Speak：輸入臺詞生成動態說話影片
Higgsfield AI 推出影片生成工具 Higgsfield Speak。使用者選定風格與形象並輸入臺詞指令碼後，系統會自動合成包含鏡頭動態、語音與面部情緒的說話影片，降低了製作動態口播影片的門檻。
AI語音
檢視更新的新聞
語音 AI 融資暴增 8 倍：人聲逼真度大漲，客服全面進軍電話線
CB Insights 資料顯示語音 AI 初創公司去年吸金 21 億美元，同比飆升 8 倍。得益於 OpenAI Realtime API 與 ElevenLabs 等全雙工模型突破，語音延遲和成本大幅降低，餐廳和醫院已開始大規模用它接聽訂單與熱線，客戶幾乎難辨真假。
Epic 將向創作者開放 AI NPC：人人都能在《堡壘之夜》做會聊天的角色
Epic Games 宣佈計劃允許創作者在《堡壘之夜》中自制 AI 驅動的 NPC。繼黑武士語音互動走紅後，Epic 將把多層安全防護工具同步開放給創作者，方便其打造能自由語音對話的角色。最值得關注的是，遊戲將從固定劇本邁向無限對話體驗，不過具體上線時間尚未公佈。
NotebookLM 支援公開連結分享：任何人都能點開互動、聽音訊播客
Google 宣佈為 NotebookLM 上線公開連結分享功能，允許使用者通過單條連結公開自己的筆記本。訪問者無法修改原始檔，但可以直接提問互動，或檢視生成的音訊概覽與簡報。目前該功能僅向個人賬號開放。
Wispr Flow 上線 iOS 版：支援 100 多種語言，輕聲耳語也能打字
語音聽寫創業公司 Wispr Flow 釋出 iOS 應用，以第三方輸入法形式支援在任意 App 中用語音輸入。應用支援 100 多種語言，具備弱網執行和低聲耳語識別能力，還能自動學習專業術語。每週提供 2000 詞免費額度，無限量版每月 12 美元。
Phonely 聯手 Groq 升級語音 AI：首字響應 176 毫秒，準確率衝上 99.2%
據 VentureBeat 報道，AI 電話客服公司 Phonely 聯手 Maitai 與晶片廠商 Groq，利用零延遲 LoRA 熱切換技術大幅壓低響應延遲。其語音智慧體首 token 延遲降至 176 毫秒，準確率躍升至 99.2%，超七成致電者分不清是人是 AI，已有客戶本月藉此替代了 350 名人工客服。
ElevenLabs 接入 Claude Sonnet 4：即時語音終於不卡殼了
ElevenLabs 宣佈在 Conversational AI 平臺接入 Anthropic 的 Claude Sonnet 4 模型。新模型主打複雜指令遵循與極低延遲，能在即時語音中保持長上下文記憶並穩定呼叫外部工具。開發者在控制台選擇該模型後，即可通過單行程式碼部署更自然的語音智慧體。
ElevenLabs 升級對話式 AI：支援語音與文字混著用，報郵箱不再靠嘴念
ElevenLabs 宣佈為 Conversational AI 平臺引入文本與語音多模態支援。AI 智慧體現在可以同時接收並處理說話與打字輸入，使用者在同一場對話中既能口頭交流，也能在輸入郵箱、卡號等易錯資訊時切換為文字輸入，以此降低純語音互動的識別錯誤率。
Hume AI 推出 EVI 3：一句提示詞，任意聲音和性格隨你定製
Hume AI 釋出第三代端到端語音大模型 EVI 3。該模型將聽覺、語言與發聲融為一體，支援通過提示詞生成任意音色和人設，併兼容平臺現有的 10 萬多種定製聲音。在盲測中，其共情力與自然度表現超越 GPT-4o。
ElevenLabs 推出批次外呼：AI 語音智慧體可併發撥打數百通電話
ElevenLabs 為 Conversational AI 平臺上線批次外呼功能。使用者可上傳表格匯入聯絡人並注入動態變數，藉助 Twilio 或 SIP 線路同時併發撥打數百通個性化語音電話，用於通知提醒或問卷調查，支援 API 呼叫及即時監控。
Claude 終於能說話了：移動端上線語音模式，接入 Sonnet 4
Anthropic 宣佈在 Claude 移動端測試語音模式，由 Sonnet 4 驅動。新功能提供 5 種聲音風格並支援即時轉錄，付費使用者還能聯動 Google Workspace。該功能將在幾週內先向英語使用者開放，免費使用者每月可發 20 至 30 條語音。
Shopify 上線 AI 建站工具：一句話生成網店，Sidekick 獲語音支援
Shopify 推出多項 AI 工具，包括支援單條提示詞直接生成完整店面的 AI 建站功能，以及內建 AI 調節能力的新主題 Horizon。其商業助手 Sidekick 也加入語音通話與螢幕共享功能，並正式上線移動端。
Google 升級 Gemini 2.5：新增 Deep Think 推理與原生語音輸出
Google 釋出 Gemini 2.5 系列更新，為 2.5 Pro 推出實驗性推理模式 Deep Think，支援探索多重假設攻克複雜數學與程式設計。模型還新增原生音訊輸出、思考預算控制以及 MCP 工具支援，2.5 Flash 即日起面向所有使用者開放。
Google NotebookLM 迎來大更新：不僅能做播客，還能把筆記變「影片概覽」
Google 在 I/O 大會上宣佈 NotebookLM 將上線「影片概覽」功能，能把筆記、PDF 和圖片轉成視覺化演示。原有的 AI 播客功能也支援自定義長短。此前一天，NotebookLM 的 iOS 和 Android 客戶端已正式上線。
Google 推出 NotebookLM 移動端：支援離線聽播客、隨時匯入資料
Google 正式在 Android 和 iOS 推出 NotebookLM 移動應用。使用者可離線或在後臺收聽 Audio Overviews，還能點選 Join 與主持人互動提問，或通過手機系統分享一鍵匯入網頁和 PDF。通勤路上消化複雜資料終於順手了。
Acer 殺入 AI 穿戴：推出免訂閱智慧戒指，翻譯耳機單人戴就能聊
在 Computex 2025 上，Acer 旗下 Acer Gadget 推出鈦合金健康指環 FreeSense Ring 與翻譯耳機 AI TransBuds。戒指主打所有健康資料免收訂閱費；耳機只需單人佩戴，連線接收器即可實現 15 種語言的雙向即時語音翻譯與字幕轉錄。
Google 升級無障礙功能：Gemini 能解答全屏內容，字幕還能聽出情緒
Google 配合全球無障礙宣傳日更新 Android 與 Chrome。TalkBack 螢幕閱讀器接入 Gemini，支援對圖片及整個螢幕直接追問細節；即時字幕新增語調長短和咳嗽、口哨等聲音標籤。最值得關注的是，AI 正在把無障礙從文字轉寫推向深層語境理解。
Windows 測試「Hey Copilot」喚醒詞：電腦解鎖就能隨時喊出 AI 語音
Microsoft 開始向 Windows Insider 成員推送 Copilot 應用更新，新增「Hey, Copilot」語音喚醒詞。在電腦解鎖狀態下，使用者無需手動點選即可隨時開啟語音對話。喚醒詞識別完全在本地執行，預設關閉，目前僅支援英語。
Notion 上線 AI 會議轉錄：打「/meet」邊錄音邊記筆記
Notion 推出 AI 會議記錄功能。使用者在 Mac 客戶端輸入「/meet」即可捕獲系統音訊轉錄，邊錄邊手動記筆記，會後自動生成結構化摘要，支援中英等十幾種語言。同時還推出了企業跨應用搜索與結合推理模型的研究模式。
Spotify 升級 AI DJ：支援直接語音點歌、隨時切換曲風
Spotify 為 AI DJ 加入語音互動功能，使用者長按 DJ 按鈕就能直接說話點歌、換流派或調整情緒。這項功能目前支援英語，已向 60 多個市場的 Premium 訂閱使用者推出。過去只能單向聽它播放和解說，現在終於能即時插話提要求了。