SpaceXAI 发布 Grok Voice 3.0：延迟低于 1 秒，已在 API 上线
SpaceXAI 发布 Grok Voice 3.0，官方称其为全球智能水平最高的语音转语音模型，延迟低于 1 秒且运行成本低于同级前沿模型。在 Artificial Analysis 独立测试中，该模型以 86.9 分位居语音转语音综合榜单第一，全双工基准测试得分 97%。
推荐理由：原文引用了第三方基准测试数据与具体定价，读者可据此评估其在客服场景下的性能表现与成本效益。
#语音
IT之家精选AI 评分7878
DeepLearning.AI精选AI 评分7272 DeepLearning.AI 解析端到端语音模型如何替代传统语音处理链路
DeepLearning.AI 发布内容解析端到端语音模型的技术原理，指出其通过单一模型直接处理音频输入输出，取代了传统的 ASR、LLM 和 TTS 串联架构。该方式减少了延迟并保留了语调与情感细节，代表了语音交互从模块化向一体化演进的趋势。
推荐理由：原文对比了传统语音处理链路与端到端模型的差异，帮助读者理解新一代语音交互的技术演进路径。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 推出两款新文本转语音模型：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。前者支持通过自然语言提示从零创建自定义角色声音并逐行控制表演细节，后者针对高音量、低成本场景优化。这些模型现已在 Google AI Studio、Gemini API 等平台开放使用，并在 Hume AI 基准测试中取得领先成绩。
推荐理由：原文展示了从静态预设到动态创意工作室的转变，提供了自定义角色声音和逐行导演对话的能力，适合评估其在多模态交互中的潜力。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款最新实时对话模型，旨在提升语音智能体的推理能力与交互流畅度。
推荐理由：原文给出了两款新实时对话模型在智能体任务完成率和多语言切换上的具体基准数据，以及面向开发者与企业的分阶段开放入口。
已经到底了