Modulate 融资 2500 万美元，用小型模型阵列做语音分析与深伪检测
波士顿语音智能初创公司 Modulate 完成 2500 万美元新融资，由 Future Ventures 领投，Hyperplane 和 Lakestar 参投。其平台运行超过 100 个模型，分为信号提取与分析检测两类，为企业提供转录、情绪分析、深伪与 AI 音乐检测，以及受监管行业语音智能体的合规执行。公司现有 40-45 名员工，计划再招 10 人加强模型建设，并正提升本地与端侧部署能力。
#语音
#语音
今日 3 条TechCrunch · AIAI 评分3131 TechCrunch · AIAI 评分3838 祖父被 AI 深度伪造语音诈骗后，她创办了 DetectifAI
Tarini Padmanabhuni 因祖父遭 AI 深度伪造语音冒充其兄弟诈骗而创办 DetectifAI，该公司设计可在手机操作系统内本地运行的紧凑 AI 模型，在通话和语音消息中即时判断声音是否为 AI 生成，音频无需离开设备。DetectifAI 以 SDK 形式授权给手机厂商作为系统内置功能，同时向企业和反欺诈公司授权，目前每月为印度金融机构处理超 10 万通电话。
AWS Machine Learning BlogAI 评分3434 在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（Part 1）
AWS 发布教程，演示如何用 vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并配套 Gradio 应用。
AWS Machine Learning BlogAI 评分3434 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时个性化语音
阿里云 Qwen 团队开源的 Qwen3-TTS-12Hz-1.7B-Base 已上线 Amazon SageMaker JumpStart，可部署到全托管实时推理端点，仅凭几秒参考音频和对应文本即可克隆音色，无需重新训练。该模型覆盖中文、英文、日文等 10 种语言，支持跨语言克隆与流式生成，输出 24 kHz 音频，同系列还有 CustomVoice 和 Qwen3-ASR-1.7B 可选。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的实时视频对话能力、97 种语言同步与异步工具调用细节，可据此判断企业级多模态交互的落地形态。
AWS Machine Learning BlogAI 评分2626 在 SageMaker AI 上用 WhisperX 实现带说话人标注的转录
AWS 发布 WhisperX Deep Learning Container，在 OpenAI Whisper 基础上加入批处理推理、wav2vec2 强制对齐的逐词时间戳和说话人分离，可部署到 Amazon SageMaker AI 实时或异步端点，无需自建镜像。
Latent SpaceAI 评分7272 Meta Connect 2026：Muse 智能体、AI 眼镜与 Charm 设备
Meta 在 Connect 2026 上把 Muse 个人智能体作为硬件加智能体战略的核心，为其加入语音与实时视频能力，并发布 Ray-Ban Meta Gen 3、售价 1299 美元的 Meta VR Glasses 以及 12 月发货的钥匙扣设备 Muse Charm。
Simon WillisonAI 评分6666 Simon Willison 用 Gemini 3.8 TTS 搭建多角色语音 Playground
Simon Willison 发布 Gemini 3.8 TTS Playground，一个自带 API key 即可使用的交互界面，可合成单人或多人对话语音、预览音频并查看请求与响应细节，配置可保存为可分享的 URL。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在配音和播客场景的落地方式。
OpenAI NewsAI 评分2222 Ringg 用 OpenAI 模型让 AI 智能体解决高达 65% 的客服来电
Ringg 基于 GPT-5.6 打造的 AI 智能体可解决高达 65% 的客服来电，覆盖语音、聊天、WhatsApp 和网页等多语言场景，成本相比 GPT-4.1 降低 90%。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务和多步推理。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的落地成熟度。
OpenAI News精选AI 评分6565 OpenAI 在 API 中推出 GPT-Live-1 语音模型
OpenAI 在 API 中推出 GPT-Live-1，支持自然的全双工语音对话。该模型具备更强的指令遵循能力，支持自定义音色和电话（telephony）接入。
推荐理由：OpenAI 把全双工语音对话能力开放到 API，开发者可据此判断语音应用的接入方式与能力边界。