OpenAI 在 API 中推出 GPT-Live-1 语音模型
OpenAI 在 API 中推出 GPT-Live-1，支持自然的全双工语音对话，并带来更强的指令遵循、自定义音色和电话（telephony）支持。
推荐理由：OpenAI 在 API 中上线全双工语音模型，读者可据此判断语音应用的接入方式与能力边界。
语音与音频
全部主题AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
最新精选
第 1–5 条 · 共 5 条OpenAI News精选AI 评分6262
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布语音转文字模型 Gemini 3.5 Transcribe，称其为目前最精确的转写模型，可将原始音频直接转为准确、格式化文本。
推荐理由：官方给出 WER、延迟与多语言等指标，并对比上一代 Chirp 3，可据此判断语音转写的能力边界。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.5 Live Translate 实时语音翻译模型
Google DeepMind 发布 Gemini 3.5 Live Translate，这是一款支持 70+ 语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Google 发布支持 70+ 语言的实时语音翻译模型，并给出开发者、企业、消费端三条落地路径。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 AI co-clinician 医疗研究计划
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中，该系统 97 例无关键错误，优于医生常用的两款 AI 系统；在 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体更优。
推荐理由：Google DeepMind 公开医疗 AI 智能体的多模态评测结果，读者可了解 AI 在临床场景中的能力边界与协作定位。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 推出 Gemini 3.1 Flash TTS，一款主打可控性与表现力的文本转语音模型，在 Artificial Analysis TTS 榜单上取得 1,211 的 Elo 分数。
推荐理由：官方给出 Elo 1211 与多语言、音频标签等能力细节，可据此判断语音生成的可控性进展。