语音控制相关 AI 资讯

8月14日

04:11

Lenny Rachitsky@lennysan

Matic 通过 OTA 更新推出 Cues 功能，支持语音和手势控制。用户说“Hey Matic”即可定位声音，指向污渍并说“clean this”会自动清洁。该机器人理解 75 种语言，具备 8 倍气流和针对地毯、角落的清洁算法。官方称已获 WIRED 10/10 评分，被 13,000 个家庭使用。

AI产品 Matic 语音控制手势控制

推荐理由：Matic 机器人 OTA 升级后能听懂语音指令、看懂手势，指哪扫哪，支持75种语言，比普通扫地机器人聪明多了。

原文

8月12日

07:29

07:29IT之家（博客/媒体）

Sonos 正在开发 Ace Ultra，这是 2024 年推出的 Sonos Ace 耳机的高端升级版。FCC 文件显示 Ace Ultra 最多提供 5 种配色，而初代仅有黑色和白色。文件还暗示新耳机可能支持语音指令。Sonos CEO Tom Conrad 承认初代耳机与全屋音频生态整合不足，此次新硬件将更紧密地结合公司 AI 战略。Sonos 已计划在 9 月举行新品发布活动。

AI产品 Sonos Ace Ultra 耳机

推荐理由：Sonos 要出高端耳机 Ace Ultra 了，最多 5 种配色，还加了 AI 和语音指令，9 月发布，想换耳机的可以蹲一下。

原文

7月27日

10:55

官方账号Sam Altman@sama

78°

一位用户在加州红杉林徒步4小时，通过ChatGPT Voice用AirPods完成的工作量超过在桌前8小时。45分钟自动驾驶通勤和20分钟咖啡馆时间均可高效处理项目。核心设置是将一台电脑作为总部，其他设备通过ChatGPT应用连接，即可全球范围内语音操控完成任务。

技巧 ChatGPT Voice 工作流

推荐理由：ChatGPT Voice让你边走边干活，4小时徒步比8小时坐办公室效率还高，以后工作不用死守桌前了。

原文

7月24日

08:52

宝玉@dotey

72°

ChatGPT桌面端（原Codex App）今日新增语音控制功能，基于OpenAI于7月8日发布的GPT-Live模型，采用全双工架构，可同时听和说。用户能用语音同时操控电脑、启动Codex写代码、调度ChatGPT Work任务。macOS用户独享Appshots功能，语音对话时模型可读取当前窗口内容，Windows暂不支持。该功能面向Plus、Pro、Business、Edu、Enterprise用户，免费用户不可用。

AI产品 ChatGPT GPT-Live Codex

事件专题

推荐理由：ChatGPT桌面端能语音指挥了！一边说话一边让AI帮你写代码、操作电脑，macOS还能自动看屏幕，解放双手。

原文

07:24

berryxia@berryxia

82°

ChatGPT桌面版（Mac和Windows）已上线语音功能，订阅用户（Plus、Pro、企业等）可使用。该功能允许用户通过语音直接控制电脑，并支持Work和Codex等工具操作。语音交互将消耗token，但具体消耗量未说明。

AI产品 ChatGPT 桌面版语音功能

推荐理由：ChatGPT桌面版现在能直接用语音控制电脑了，支持Work和Codex，订阅用户就能用，省得动手打字。

原文

06:42

官方账号Greg Brockman@gdb

83°

OpenAI 通过桌面应用推出 ChatGPT Voice 功能，基于 GPT-Live 模型，可同时实现语音对话、电脑控制以及协调多个 Agent 运行。该功能今日起在 macOS 和 Windows 上向 Plus、Pro、Business、Edu 和 Enterprise 计划用户开放。用户可以通过语音直接指挥 ChatGPT 或 Codex 中的多个智能体，显著减少打字交互。

AI产品 ChatGPT Voice OpenAI GPT-Live

事件专题

推荐理由：OpenAI 终于把语音集成到桌面端了，能用嘴直接控制电脑和多个Agent，比打字快多了，Plus用户今天就能试试。

原文

04:30

官方账号OpenAI@OpenAI

81°

OpenAI在桌面应用中推出了ChatGPT Voice功能。该功能由GPT-Live驱动，能同时进行语音输入、聆听和工作协调。用户可通过语音控制电脑，并指挥多个agent在ChatGPT Work或Codex中运行。即日起面向macOS和Windows的Plus、Pro、Business、Edu和Enterprise计划用户开放。

AI产品 ChatGPT Voice GPT-Live OpenAI

事件专题

推荐理由：现在能用语音让ChatGPT在电脑上帮你干活，还能同时指挥好几个智能体，省心又高效。

原文

04:26

官方一手@OpenAIDevs@OpenAIDevs

76°

OpenAI 宣布为桌面应用推出 ChatGPT Voice，支持用户用语音控制电脑、管理多个 agent。该功能基于 GPT-Live 模型，可以同时说话、听和协调任务。用户可通过语音跨 Codex 和 ChatGPT Work 启动新任务、查看线程和指导工作。今天起在 macOS 和 Windows 上向 Plus、Pro、Business、Edu 和 Enterprise 计划用户开放。

AI产品 OpenAI ChatGPT Voice GPT-Live

事件专题

推荐理由：OpenAI 把语音助手搬到了桌面，动动嘴就能让多个 AI 帮你干活，挺方便。

原文

7月23日

16:50

16:50IT之家（博客/媒体）

特斯拉宣布，车载AI助手Grok将在2026年夏季软件更新（版本2026.26）中覆盖整个欧洲市场，并新增车辆控制功能。新功能允许驾驶员通过语音拨打电话、控制音乐播放、调节空调、打开手套箱等。同时，Grok将进入印度、马来西亚、菲律宾、新加坡和泰国等亚洲国家。此前Grok已在美国、加拿大、澳大利亚及部分欧洲地区可用，并已支持导航和基于位置的提醒功能。未来Grok将与FSD整合，实现自然语言指令控制停车、变道等，马斯克预计秋季推出。

AI产品 Grok 特斯拉 FSD

推荐理由：Grok 要覆盖全欧洲和亚洲多国了，还能语音控制车辆空调电话，特斯拉车主别错过。

原文

7月12日

10:00

10:00IT之家（博客/媒体）

72°

特斯拉AI负责人Ashok Elluswamy确认Grok语音控制FSD功能正在开发中。马斯克此前表示该功能预计在三个月内推出，最快2026年秋季上线。Grok去年夏天已登陆特斯拉车机，支持导航途经点添加和基于地点的提醒。未来驾驶员可直接说“前面停止标志左转”等自然语言指令。该功能还将改善FSD v14.1在最后阶段的表现，如准确停到指定门口。

AI产品 Grok FSD 特斯拉

推荐理由：特斯拉要把Grok变成你的专属司机，说句话就能控制自动驾驶，比现在打转向灯引导方便多了。

原文

7月9日

03:03

官方账号Allen AI (Ai2)@allen_ai

精选

Allen AI发布的MolmoAct 2是一个完全开放的视觉-语言-动作模型。机器人工程师@pham_blnh利用该模型在周末构建了语音控制机器人。这款机器人赢得了@southpkcommons举办的AI黑客马拉松。Allen AI还发布了相关采访视频。

AI模型 MolmoAct 2 Allen AI 机器人

推荐理由：Allen AI的MolmoAct 2开放模型，周末就能搭语音机器人，还赢了黑客马拉松，看采访视频了解细节。

原文

7月3日

21:07

21:07IT之家（博客/媒体）

生数科技7月3日发布Vidu S1实时交互模型，支持540P（960x540）分辨率、25FPS帧率（最高42FPS）实时视频通话。用户可通过语音指令控制数字人的表情、动作及视频走向，实现无限时长连续互动。模型采用自回归扩散（AR+Diffusion）路线，基于历史画面和语音指令持续生成后续内容。Vidu S1可基于真人、动漫、萌宠等初始形象及个性化音色创建交互角色，目前已开启内测。

AI模型 Vidu S1 生数科技实时视频通话

推荐理由：生数科技新出Vidu S1，语音就能指挥视频里的人物实时变表情动作，像真人对话，还能自定义角色形象和声音，快去试试内测。

原文

6月21日

15:12

15:12IT之家（博客/媒体）

马斯克近日在X平台回应称，Grok语音控制特斯拉FSD功能大约三个月后上线。该功能允许用户用自然语言直接设定行驶逻辑，例如“导航去五金店，倒进门口车位”。此前Grok已通过2025假日版本和2026春季更新（系统版2026.14及以上）新增导航语音指令和“嘿Grok”唤醒。Grok与FSD适配后将无需手动打转向灯，通过语音即可操控转向和泊车，尤其优化停车场景。

AI产品 Grok FSD 特斯拉

推荐理由：马斯克说三个月后Grok就能语音开FSD了，以后停车说句话就行，不用手动打转向灯了。

原文

6月17日

13:13

官方账号Greg Brockman@gdb

用户 Pat Simmons 分享了 GPT-Realtime-2 的实操经验，该工具通过语音控制实现打开应用、搜索网页、编辑 Premiere Pro 等操作。教程包含从零设置（无需代码）、修复始终监听麦克风（改为按键说话）、通过 MCP 连接 Obsidian 以及利用无障碍树控制 Premiere Pro 等具体步骤。过程中仅需几条提示词即可完成配置。视频还列出了诚实提醒，如延迟和兼容性限制。

技巧 GPT-Realtime-2 MCP/工具语音控制

事件专题

推荐理由：Pat 手把手教你用 GPT-Realtime-2 语音操作电脑和剪辑软件，无需写代码，几分钟就能上手，比 Siri 强多了。

原文

6月16日

09:24

官方账号Pika Labs@pika_labs

Pika Labs 在 X 平台宣布推出语音控制（非常测试版）功能，用户可直接通过语音或文字指令让智能体完成从概念、选角、故事板到视频片段生成的全流程。生成的镜头直接放入时间线和素材库，支持通过时间线或与智能体对话进行编辑。该智能体能理解项目上下文，避免重复解释。目前支持浏览器内使用，需查看 Twitter 详情。

AI产品 Pika 视频生成智能体

推荐理由：Pika 这个新功能让你用嘴就能指挥 AI 做视频，从剧本到成片一步到位，省去重复说明的麻烦。

原文

6月12日

12:52

官方账号Unitree 宇树@UnitreeRobotics

宇树科技展示了其G1机器人通过外部语音命令实时生成任意动作的能力。视频为现场单次录制，包含现场音频。由于动作由AI实时自主生成，存在轻微延迟且动作流畅度有所降低。这一技术展示了人机交互的新方式，使机器人能更灵活地响应人类指令。

AI产品宇树科技 G1机器人语音控制

推荐理由：宇树G1的语音实时动作生成让机器人交互更自然，做机器人开发或人机交互研究的团队值得关注这一进展。

原文

6月1日

01:03

01:03IT之家（博客/媒体）

微星推出MEG Vision X2 AI+台式整机，号称全球首款自带Agentic AI伴侣的游戏台式机。该机内置微星自研AI助手LuckyClaw，用户可通过自然语言语音指令控制性能模式、显示器设置和RGB灯效。正面配备AI Holostage全息显示器，可将数字助理、桌宠和第三方AI虚拟形象以沉浸式形式呈现。该机预装LuckyClaw，完成初始设置即可互动，具体配置包括英特尔酷睿Ultra处理器和英伟达RTX显卡但未公开。

AI产品 Agentic AI 游戏台式机微星

推荐理由：微星把AI伴侣从屏幕里拉到了全息显示器上，游戏玩家和硬件发烧友可以体验语音控制硬件和虚拟桌宠的沉浸感，值得关注。

原文

5月21日

07:59

07:59IT之家（博客/媒体）

苹果公司预告将在 iOS 27、iPadOS 27 和 macOS 27 中，将 Apple Intelligence 深度集成到无障碍功能中。新版 Voice Control 支持自然语言输入，用户无需记忆按钮名称，只需描述屏幕内容即可操作，例如“点开最佳餐厅指南”或“点紫色文件夹”。彭博社透露，这套底层智能体能力也将用于新版 Siri，使其能理解屏幕内容并直接执行操作。此外，VoiceOver 新增图像探索器，放大器支持视觉描述和语音指令，无障碍阅读器扩展了复杂材料的适配范围。这些更新旨在降低操作门槛，尤其惠及盲人、低视力及阅读障碍用户。

AI产品苹果 iOS 27 语音控制

推荐理由：苹果把 Apple Intelligence 塞进无障碍功能，让语音控制从死记硬背变成自然对话，做辅助技术或关心残障用户体验的开发者值得关注，新版 Siri 的智能体能力也暗示了未来交互方向。

原文

5月19日

18:05

18:05IT之家（博客/媒体）

72°

宇树科技发布一镜到底视频，展示其G1人形机器人通过外部语音指令自主实时生成各种动作。视频采用现场直接收声，一镜到底拍摄，展示了语音驱动的任意动作生成能力。由于是AI自主实时生成，存在一定延迟且动作丝滑程度稍差。G1机器人发布于2024年，拥有23-43个关节电机，配有力控灵巧手，体重约35kg、身高约127cm。

AI产品人形机器人语音控制宇树科技

推荐理由：人形机器人终于能听懂人话直接动起来了——宇树G1的语音驱动实时动作生成解决了传统预编程的僵化问题，做机器人开发或关注具身智能的团队值得一看，虽然目前还有延迟和流畅度瑕疵，但方向对了。

原文