#实时语音
谷歌新出的Gemini 3.8 Live和Extended Thinking，能一边说话一边思考，比如查资料时能同步汇报进度，比普通语音助手更智能。
谷歌发布了Gemini 3.8 Live和Extended Thinking功能，前者在人工分析质量指数上达到82.6分（第一），后者能后台思考并异步调用工具。Gemini 3.8 Live的输入成本为每分钟0.005美元，输出成本为每分钟0.018美元，在τ-banking代理任务完成度上达到35.1分（第一）。
OpenAI 新出的 GPT-Live-1 语音助手，能一边听你说话一边自己说话，还不会停顿，每分钟才 5 毛钱，比之前那些要等一下的语音助手好用多了。
OpenAI 推出了 GPT-Live-1 实时语音模型 API，支持打断处理和工具调用，能帮你快速构建全双工语音应用，比之前的方案更高效。
OpenAI新推Ultrafast，由Cerebras加速，每秒能生成750 tokens，主打实时语音和客服，速度快，试试看。
微软弄了个能边听边说的语音模型MAI Realtime，支持16种语言，还能中途换语言，比Copilot现在的语音更自然。
LiveKit 用 Gemma 4 31B 做实时语音，延迟比 GPT-4.1 低5倍，成本仅六分之一，酒店测试胜出，值得试试。
阿里刚发的Qwen-Audio-3.0-Realtime，实时语音四项升级，又快又聪明，做语音交互项目的可以试试。
阿里新模型Qwen-Audio-3.0-Realtime能实时语音对话、调用工具、感知情绪，语音指令和综合排名都超过了GPT-Realtime-2。
xAI 把 Grok 的实时语音做成 API 了，三个模型直接上 Vercel AI Gateway，AI SDK 7 就能调，做语音应用省大事了。
Anthropic 正在为 Claude 语音模式加入模型选择器，做语音交互应用或重度使用 Claude 语音的用户值得关注，未来可能告别单一 Haiku 限制。
实时语音 AI 终于有了具体可落地的商业场景，做创业或产品经理的可以直接从中找灵感，17 个方向覆盖了从法律到医疗的多个垂直领域，值得收藏研究。
做 Voice Agent 的开发者终于有了开箱即用的集成方案——Agora Skills 配合 Codex 几分钟就能跑通实时语音对话，延迟接近真人通话，建议做陪伴、交互类 Agent 的团队直接试。
实时语音助手开发者终于有了速度最快的 STT 模型——每秒处理 303 秒音频，成本还低，做语音交互的团队可以直接在 Together AI 上试试。
