ElevenLabs 发布 Eleven v4 语音模型，提升表达力和长内容一致性

ElevenLabs 正在发布 Eleven v4 语音模型，称其能更准确遵循方向提示，并在长制作中保持声音一致。Eleven v4 支持 90 多种语言、每次请求最多 10,000 个字符，Turbo 变体面向实时语音智能体，约 150 毫秒开始生成语音。

如何用 Gemini Live API 构建实时语音 AI Agent

Google AI Dev 介绍如何用 Gemini Live API 构建实时语音 AI Agent，使浏览器、Python 后端和 Gemini Live API 通过 WebSocket 传输双向音频。

模型越来越强，企业 AI 为什么还卡在「最后一公里」？联通云犀从通信场景切入

联通云犀工作流智能体从通信场景切入，把电话沟通信息转为可被 AI 理解和使用的数据，帮助企业 AI 嵌入业务流程。其重点布局 AI 数析、AI 助销、AI 助手，案例中某团队人均转化率提升 2.3 倍，新人培训周期从 2 周缩短至 3 天。平台历经 5 年技术打磨，已服务超 6 万家企业、800 万用户。

Apple ML：通过潜在空间蒸馏压缩流式神经音频编码器

Apple ML 研究用预量化 latent 作为监督信号，蒸馏压缩 Apple 设备端听写所用的流式神经音频 tokenizer。2.8× compression 下，学生编码器在六组教师—学生组合中的五组无需 fine-tuning 即保持在教师 1.9% relative WER 以内，并比同容量独立训练 tokenizer 提升 3.9% relative。

Google DeepMind@GoogleDeepMindAI 评分6464

Google DeepMind 推出新的文本转语音模型，用于创建和部署自定义音频。Gemini 3.8 Flash TTS 可设计带有不同口音和特征的独特声音；Gemini 3.8 Flash-Lite TTS 面向效率和规模，可从用户创建的风格或其生产就绪库中选择。

Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS

Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文本转语音模型，用于生成自定义角色声音并逐行控制场景对白。

Google DeepMind@GoogleDeepMindAI 评分7070

Google DeepMind 推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为自家最好的对话式 AI。这些模型可以对话、思考，并在后台处理任务而不打断用户流程。

Suno 与 Believe 和 TuneCore 达成全球战略合作

Suno 宣布与 Believe 及其自助发行平台 TuneCore 达成全球战略合作，面向独立艺术家和厂牌开发可选择参与的新产品体验。使用 Suno 新行业合作伙伴模型创作的曲目将有资格通过 Believe 和 TuneCore 发行，相关音乐会适用音频水印、指纹识别和下载限制等保护。Suno 称新模型将很快发布，Believe、TuneCore 及其独立艺术家社区将参与后续发展。

MiniMaxAI 发布 MiniMax-H3 全模态生成系统

MiniMaxAI 在 Hugging Face 发布 MiniMax-H3，这是一个通用全模态生成系统，支持文本、图像、视频和音频组成的多模态上下文理解，并可生成带原生立体声音频的视频。