OpenRouter 正式接入 ElevenLabs，提供 9 个文本转语音（TTS）模型和 2 个语音转文本（STT）模型。开发者可通过 OpenRouter API Key 直接调用 POST /api/v1/audio/speech 和 POST /api/v1/audio/transcriptions 接口，无需单独订阅 ElevenLabs 服务。
推荐理由：OpenRouter 集成 ElevenLabs 语音模型，提供统一 API 入口和限时折扣，简化了多模态应用的开发流程。
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 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 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。
Google ADK 引入原生实时语音评估能力，支持通过模拟用户音频驱动智能体并评分。该功能允许在同一评估循环中处理语音交互，提供从创建智能体、编写评估用例到运行和检查结果的完整流程示例。开发者可利用自然语言评分标准对多轮对话轨迹进行端到端质量判断，并通过 ADK Web 界面查看包含可播放音频片段的转录结果。
推荐理由：提供了在 ADK 中构建语音智能体评估闭环的具体代码与配置，帮助开发者将演示转化为可量化的生产级测试。