ElevenLabs 发布 Eleven v4 语音模型，表现力与一致性提升并推出 Turbo 实时变体
ElevenLabs 发布新语音模型 Eleven v4，对音频标签的遵循更准确，单次支持最多 10,000 字符约十分钟音频，语言支持从约 70 种增至 90 种以上，发音基准得分从 v3 的 85.6% 升至 91.7%。
#语音
#语音
今日 0 条The DecoderAI 评分6464
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款语音对话模型，主打近实时推理与语音智能体。
推荐理由：官方给出两款语音对话模型的评测成绩、语言与工具调用能力和开放入口，读者可据此评估其用于语音智能体开发的适配度。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型
Google DeepMind 推出 Gemini 3.5 Transcribe，定位为其最精准的实时语音转写模型，可清理语气词、自动格式化并识别自定义词表。
推荐理由：官方发布带具体 WER、延迟和 API 形态，开发者可据此评估语音转写与语音交互方案的选型。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，支持 12 种语言并降低语音生成延迟
NVIDIA 发布 Magpie TTS Multilingual 开放权重模型，参数量 364M，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，共支持 12 种语言，并提供生产级 NIM 部署容器。
推荐理由：原文给出TTFA延迟数据和架构改进细节，读者可据此评估自部署级联语音方案相对一体化语音模型的取舍。
Mistral AI精选AI 评分6262 Mistral 发布 Voxtral Transcribe 2 语音转写模型，Voxtral Realtime 以 Apache 2.0 开源
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2 批量转写模型和 Voxtral Realtime 实时模型。
推荐理由：官方给出两款语音转写模型的延迟、价格、词错率与开源权重信息，读者可据此评估语音转写方案选型。
Mistral AI精选AI 评分6969 Mistral 发布 Voxtral 语音理解模型，含 24B 和 3B 两种规格
Mistral 发布 Voxtral 语音理解模型，提供 24B 生产级和 3B 本地/端侧两个版本，均以 Apache 2.0 许可开源，并可通过 API 调用，价格低至 $0.001 每分钟。
推荐理由：官方发布给出了两个规格、许可、价格和基准结果，读者可以据此评估它在语音理解场景替代现有方案的可行性。