OpenAI releases new voice models for simultaneous speech and listening
OpenAI 出了新语音模型，能同时说话和听，实时翻译场景下体验会好很多。
#语音模型
共 66 条 · 7 天 1 条 · 30 天 11 条
7月9日
7月8日
6月25日
6月24日
6月23日
6月19日
模型18:35
Cartesia Sonic 3.5 登陆 Together AI，新增150+语音供开发者选择Together AI 集成了 Cartesia Sonic 3.5，有150多种语音可选，做实时语音智能体可以试试这个新库。
6月17日
6月12日
产品02:17
微软发布更具表现力的语音模型，可在MAI Playground体验语音交互正在从“能说话”进化到“会表达”，做语音产品、虚拟人、有声内容的团队值得去MAI Playground试一下，感受情感表达的真实度提升。
6月11日
Google 发布 Gemini 3.5 Live Translate：实时翻译保留语调
做跨语言沟通、实时翻译或语音应用的开发者可以直接调用 API 体验，不用再忍受延迟和机械感——保留语调的翻译让交流更自然。
6月10日
Google 发布 Gemini 3.5 Live Translate 实时翻译模型
实时翻译终于有了「人味」——保留语调节奏，做跨国会议、播客或直播的团队可以直接用 API 集成，体验比传统逐句翻译好太多。
Google 发布 Gemini 3.5 Live Translate，实时语音翻译支持 70+ 语言
跨语言沟通的痛点终于被解决了——Gemini 3.5 Live Translate 让实时翻译不再有尴尬停顿，经常需要与外语人士交流的团队或个人可以直接在 Google Translate 应用中体验。
Google Gemini 3.5 Live Translate 实时翻译70+语言
跨国团队和频繁开会的用户终于有了靠谱的实时翻译工具——Gemini 3.5 不仅支持70+语言，还能保留说话者的语气和节奏，建议在 Google Meet 中直接体验。
6月7日
mlx-audio v0.4.4 发布：15 个新模型，Apple Silicon 上最强音频版
Apple Silicon 用户终于有了一个本地化的音频处理利器，15 个新模型覆盖 TTS/ASR/VAD，做语音应用或音频工具的开发者可以直接安装测试，尤其关注中文支持效果。
6月6日
开源语音模型 Audio Interaction 每 0.4 秒决定是否说话
这款模型解决了实时语音交互中“等待录音结束”的痛点，做语音助手或实时翻译的开发者可以直接在 GitHub 上试玩，体验每 0.4 秒的决策能力。
6月5日
微软发布MAI系列模型：MAI-Thinking-1推理模型及6款新模型
微软一口气推出7款模型，覆盖推理、编码、语音、图像全场景，MAI-Thinking-1在编码基准上追平Opus 4.6，做AI应用开发或模型选型的团队值得关注这份109页技术报告。
6月2日
产品10:41
ElevenLabs 展示最具表现力 AI 语音模型，现场演示客服体验做客服系统或语音交互产品的团队，可以直接关注 ElevenLabs 这次演示——更自然的语音代理意味着更低的用户抵触和更高的转化率，值得点开看 demo 效果。
5月30日
5月25日
StepFun 发布 StepAudio 2.5 Realtime：端到端语音模型，支持角色扮演 RLHF
做语音交互或角色扮演应用的开发者，终于有了一个能理解语气和情绪的端到端模型，建议直接试 API。
5月21日
5月20日
阿里通义千问发布Qwen3.5-LiveTranslate，实时语音翻译延迟低至2.8秒
跨境直播、跨国会议和出海团队终于有了低延迟、高语种覆盖的实时同传方案，还能保留说话人原声，做内容出海或智能硬件的开发者可以直接试。
IT之家原文
5月12日
