voice

§ 01综述

语音技术综述

语音技术正从单一的语音识别和合成向情感化、个性化、多模态交互方向演进。近期行业动态显示，大模型厂商和创业公司都在加速布局语音智能体与语音克隆领域，同时安全与伦理问题也成为焦点。

主要进展

Grok Voice API 推出语音克隆，支持自然情感表达：xAI 发布了 Grok Voice API，能够克隆用户声音并生成带有丰富情感的语音，强调真实感和自然度。这标志着语音合成进入了个性化和情感化的新阶段。相关报道：Grok Voice API 上线语音克隆，自然情感丰富

OpenAI 收购 Weights.gg 并公开语音技术研究：OpenAI 低调收购了声音克隆平台 Weights.gg，将其技术整合进自家语音引擎。同时，OpenAI 通过多篇博文分享了合成语音的挑战、机遇以及安全研究，包括语音引擎的工作原理和选择 ChatGPT 语音背后的考量。这些动作表明 OpenAI 正在强化语音技术栈，并注重安全部署。相关报道：OpenAI 低调收购声音克隆平台 Weights.gg、OpenAI分享合成语音的挑战与机遇、OpenAI详解语音引擎工作原理及安全研究、ChatGPT语音选择背后的故事

苹果预告 iOS 27 辅助功能，语音控制支持自然语言操作：苹果计划在 iOS 27 中引入新的辅助功能，允许用户通过自然语言语音命令操作手机，进一步提升语音控制的便捷性和智能性。这体现了语音技术在无障碍和日常交互中的应用趋势。相关报道：苹果预告 iOS 27 辅助功能，语音控制支持自然语言操作

端到端语音智能体评估框架 EVA-Bench 发布：学术界提出了 EVA-Bench，用于评估端到端语音智能体在对话、身份识别、情感理解等方面的能力，为语音智能体的标准化评测提供了新工具。相关报道：EVA-Bench：端到端语音智能体评估新框架

其他动态：Together AI 推出 Voice Finder 语音搜索工具，帮助用户通过语音描述找到音效；开发者也基于 Claude Code 和 AssemblyAI 构建语音智能体，展示了技术落地的可能性。相关报道：Together AI推出Voice Finder语音搜索工具、用Claude Code和AssemblyAI从零构建语音智能体

当前焦点与未来观察

语音技术的焦点主要集中在：语音克隆的真实性与安全性，尤其是如何防止滥用和诈骗；语音智能体的情感表达能力，使其交互更自然；以及 端到端框架的标准化与评估。未来值得关注的是：开源语音模型与闭源方案的竞争、语音技术在无障碍和消费级产品中的普及，以及监管政策对语音合成技术的规范和约束。

§ 02相关报道10 条在档

§ 03邻近话题