OpenAI 发布 GPT-Live-1.1 系统卡
OpenAI 发布 GPT-Live-1.1 与 GPT-Live-1.1 Quip 的系统卡，说明两款模型基于互联网公开数据、第三方合作数据及用户与人工训练师提供的数据训练，数据处理流程包含严格过滤以降低个人信息与有害内容。系统卡还给出针对违禁内容的语音原生评估，并提示此前已发布模型的对比数值取自其最新版本，可能与发布时数值略有差异。
#语音
OpenAI 部署安全与系统卡AI 评分3232
Apple Machine Learning ResearchAI 评分2020 语音基础模型中的语言选择性维度如何实现语码转换检测
研究者提出一种轻量方法，直接利用预训练语音编码器帧级语言信息判断一句话中是否同时出现两种语言，无需依赖多语言转录。在 CS-FLEURS 的 14 个语言对上，Whisper-small 编码器平均 F1 达 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。该方法表明预训练语音编码器已编码识别语码转换所需信息，可用于构建更具代表性的多语言语料。
Apple Machine Learning ResearchAI 评分3030 Apple 首次从零预训练三模态掩码扩散模型，3B 规模验证统一设计
Apple 提出首个从零预训练的三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上联合训练，并系统分析了多模态缩放规律、模态混合比例、噪声调度与批大小影响。其基于 SDE 的重参数化将物理批大小与逻辑批大小解耦，免去最优批大小调参。初步模型在 3B 规模（6.4T tokens）下于文本生成、T2I 和 T2S 任务均取得强劲结果。
OpenAI NewsAI 评分4242 Higgsfield 用 GPT-6 Astra 将 AI 视频从 1 分钟延长至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上，同时用 GPT-Image-2.5 提升画面精度，并通过 GPT-Live 打通语音电影制作路径。
Sierra BlogAI 评分5858 Sierra 发布 fleming-1，实时识别来电方是否为 AI 智能体
Sierra 更新其模型系列并推出 fleming-1，可在通话进行中实时分析来电者语音，判断对方是否为 AI 智能体。该模型默认偏保守，避免误标真人，识别结果只作提示，由企业自行决定如何处理这类来电。fleming-1 可与任何基于 Sierra 构建的语音智能体配合使用，开启即可生效；此前 Sierra 还宣布了面向个人智能体的开放标准 Personal Agent Protocol。
AWS Machine Learning BlogAI 评分3030 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 与 Amazon Bedrock Knowledge Bases，可构建航空应用中的实时语音旅行助手，支持查询行程、改座位、更新餐食偏好、回答政策问题并转接人工客服。
OpenRouter AnnouncementsAI 评分5858 ElevenLabs 上线 OpenRouter，提供 9 个 TTS 与 2 个 STT 模型
ElevenLabs 现已上线 OpenRouter，提供 9 个文本转语音模型和 2 个语音转文本模型，已有 OpenRouter 应用可直接调用 POST /api/v1/audio/speech 和 POST /api/v1/audio/transcriptions，无需单独的 ElevenLabs 套餐。
Sierra BlogAI 评分3636 Sierra Summit 2026：Sierra 发布 Agent OS 新模型 Curie 与 Fleming 等多项更新
Sierra 在旧金山 Sierra Summit 2026 上发布 Agent OS 的两款新模型 Curie 和 Fleming，前者负责对话核心编排，后者可识别来电方是否为 AI 智能体。
Apple Machine Learning ResearchAI 评分2222 语言判别如何提升多语言语音模型的语言学习能力
Apple 研究团队发现，在预训练中强化语言判别能力可缩小多语言语音模型与单语模型的差距。在英语/法语 HuBERT 对照实验中，加入辅助语言分类器或按语言 k-means 目标后。
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 基础上为原生实时对话模型加入近实时视觉形象，可同时处理视觉与音频输入并输出带表情和口型同步的音视频。
推荐理由：官方披露了 Live Avatar 的实时音视频对话、异步工具调用与 97 种语言同步能力，可据此判断企业级数字人交互的落地形态。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，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：Google DeepMind 发布两款 TTS 模型，给出语音克隆、逐行导演和多语言能力，可据此判断语音生成工作流的变化。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时对话模型，前者面向规模与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：原文给出两款语音模型的基准成绩与开放渠道，读者可据此判断语音智能体的能力与成本位置。
OpenAI 部署安全与系统卡AI 评分2222 OpenAI 发布 GPT-Live 系统卡
OpenAI 公布 GPT-Live-1 与 GPT-Live-1 mini 的系统卡，两款模型基于互联网公开数据、第三方合作数据及用户与人工训练师提供的数据训练，并经过严格过滤以减少个人信息与有害内容。