搜索
Jack Dorsey旗下Block研究团队Dessa尝试剔除文字训练、直接实现语音到语音交互，xAI的Grok Voice 3.0与OpenAI的GPT-Live则加速实时语音AI商用，但文章指出其在信息核对、隐私与办公场景中仍难取代屏幕。
不是我说，AI现在确实代码写得快，研究做得飞起；
谷歌又杀回来了。
谷歌发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking 两款实时语音模型，后者支持后台异步推理与工具调用以解决语音 Agent 在任务执行中的沉默问题，两款模型已在 Gemini API 和 Google AI Studio 向开发者开放。
《读佳》获知，相比“千问办公”的高调宣传，钉钉另外一款全新的AI办公App“QwenNote”就显得较为低调。据悉，QwenNote（千问听记）定位全新一代的AI随身助理。QwenNote通过软硬结合方式，将实时语音转写、总结、翻译融合为一体，同时与AI Agent深度融合，把Agent能力融入每一次语音输入，实现从“单纯记录”到“自动化执行”。
8 月 7 日，阿里巴巴推出国内首个 AI 语音生产力平台 CosyVoice Studio，整合开放语音识别、语音合成、实时语音交互三类核心能力，覆盖「听、创、聊」全链路。
不知道大家平时有没有这种经历。
Realtime API 是 OpenAI 的实时语音交互接口，在 24 年的 DevDay 首次亮相，当时还是 beta，调用贵到离谱，音频输出 200 刀/百万 token：OpenAI 凌晨发布：Realtime 实时多模态 API，及其他
昨日凌晨，谷歌正式推出其最高质量的音频和语音模型——实时语音模型Gemini 3.1 Flash Live，并在Gemini App、Search Live以及Google AI Studio中同步开放，其中后者以预览版本向开发者提供。
2月以来，OpenClaw（前身为Clawdbot、Moltbot）卷疯AI圈。在2月21日OpenClaw发布的最新版本中，正式接入了Google Gemini 3.1 Pro预览版，还将Discord引入实时语音与连续路由功能。