Recly：将 Galaxy Watch 或 Apple Watch 变为 Plaud 式 AI 录音笔
Recly 是一款免费开源应用，可将 Galaxy Watch 或 Apple Watch 变为 AI 录音笔，支持本地免费转录，并将笔记任务交给用户已有的 AI 智能体。
推荐理由：作者开源了将智能手表变为录音笔的方案，并详细说明了本地转录和与现有AI集成的技术路径。
技术方向
语音与音频 最新动态
AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
7 条精选近 30 天 5 条共收录 22 条
更新
语音与音频的精选
Hacker News · AI精选AI 评分7070
Google DeepMind精选AI 评分5454 Gemini 3.8 Live 与 Live Avatar 功能上线
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过低延迟视频流与语音同步，实现企业级虚拟代理的近实时视觉交互。该功能支持多语言无缝切换、异步工具调用与持续对话，具备精确唇形同步与自然表情，企业可通过参考图像定制专属动画形象，目前仅对 Gemini Enterprise 用户开放。所有生成内容均嵌入 SynthID 水印以确保可追溯性。
推荐理由：原文给出了功能组合和企业可用性，读者可以据此判断其在交互场景中的部署价值。
Vercel 博客精选AI 评分5959 OpenAI GPT-Live 1 语音模型在 Vercel AI Gateway 上线
OpenAI 的全双工语音模型 GPT-Live 1 已在 Vercel AI Gateway 上线，支持同时听与说，无需等待对方说完。该模型还支持客户端委托，允许应用在语音会话进行时，调用 AI Gateway 上的任何文本模型（如 GPT-5.6-sol）处理深度任务，委托请求单独计费。
推荐理由：原文介绍了全双工语音交互和客户端委托的具体实现方式，读者可以据此评估其技术特点和应用潜力。
Google DeepMind精选AI 评分6363 Google DeepMind 发布 Gemini 3.8 Live 及 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款新语音模型，支持近实时推理与多语言动态切换。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google · Gemini 博客精选AI 评分7070 Google 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 实时对话模型
Google 发布了 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款实时对话模型，旨在提升语音智能体的智能和协作体验。
推荐理由：Google 官方博客宣布了其最新的实时对话模型，提供了详细的性能基准和面向不同场景的部署方案。
Together AI精选AI 评分5959 Together AI 如何构建全球最快的语音转文本技术栈
Together AI 分享了其构建低延迟、高吞吐语音转文本（ASR）服务栈的工程优化细节，以支持 NVIDIA Parakeet-TDT 0.6B v3 和 OpenAI Whisper Large v3 等模型。
推荐理由：原文详细拆解了从模型编译到运行时优化的全链路工程实践，为构建低延迟语音AI服务提供了具体的技术路径参考。
Together AI精选AI 评分5555 Together AI 推出构建实时语音智能体的统一解决方案
Together AI 推出了一个统一的解决方案，用于在共置的 STT、LLM 和 TTS 基础设施上构建实时语音智能体。该架构将整个语音技术栈保留在同一云上，旨在将端到端延迟降至 500 毫秒以下，并简化部署。平台原生集成了 Cartesia 和 Deepgram 的领先语音模型，为开发者提供了模型选择和配置的灵活性。
推荐理由：Together AI 将语音识别、大模型和语音合成整合在同一集群，为构建实时语音智能体提供了一个低延迟、可灵活选模的解决方案。