Grok Bot 可绑定手机按键即时访问
Elon Musk 表示，将 Grok @Bot 分配到手机按键即可即时访问。有用户演示把 Grok Bot 绑定到 Action Button，按下后以语音模式打开 Grok，可向其下达任务和截止时间，再由 Grok 分派给 Bots。
#语音
RadarAIAI 评分2828 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。
GitHubAI 评分6262 OpenAI 开源 Agents SDK，支持多智能体工作流与语音智能体
OpenAI 在 GitHub 开源 Agents SDK，一个用于构建多智能体工作流的轻量框架，支持 OpenAI Responses 和 Chat Completions API 以及 100 多个其他 LLM。
RadarAIAI 评分7171 Fish Audio Drama 3 Preview 登顶 Artificial Analysis 开源语音合成榜单
Artificial Analysis 榜单显示，Fish Audio 的 Drama 3 Preview 成为排名第一的开源权重语音合成模型，发音鲁棒性得分 93.2%，超过 Eleven v4 的 91.7% 和 Eleven v4 Turbo 的 90.1%。
The Verge · AIAI 评分2222 不戴摄像头的 Ray-Ban Meta Audio 智能眼镜评测：没有相机反而更自在
Ray-Ban Meta Audio 是一款去掉摄像头的纯音频智能眼镜，售价 $349，主打开放式音频与轻量设计，外观接近普通眼镜。它搭载 Muse Spark 模型（Muse AI 后续才上线），可处理日历、提醒、消息等简单任务，但复杂请求易出错；唤醒词可关闭，改用右镜腿自定义按键唤起 Meta AI。评测认为其音质尚可、续航长，但价格偏高，AI 仍非购买理由。
Hacker NewsAI 评分5050 苹果发布新一代 Apple TV 4K，搭载 Siri AI
苹果发布第四代 Apple TV 4K，搭载由下一代 Apple Intelligence 驱动的全新 Siri AI，支持全屏对话式搜索和内置远场麦克风免手操作。新品售价 299 美元，今日开启预购，11 月 13 日到店，Siri AI 以 beta 形式在 tvOS 27.2 上线，首批覆盖美国、英国等 8 个英语市场。
RadarAIAI 评分5858 Fish Audio 发布开放权重 TTS 模型 Drama 3，支持句中单词级语气控制
Fish Audio 发布开放权重 TTS 模型 Drama 3，称其为最具情感表现力和可控性的 TTS 模型。该模型支持在句中重设单个单词的语气，方向提示用方括号以自然语言书写，可用英文或用户自己的语言；成对标签如 Whisper、Slower 或 Forceful 只包裹选定词语，使一句话可中途从平稳转为低语。Fish Audio 此前完成 5200 万美元种子轮融资，用户超过 1500 万。
GitHubAI 评分5858 screenpipe 开源本地屏幕与音频记录工具，支持 Pipes 智能体与 MCP 服务
screenpipe 是一个 source-available 应用，持续在本地捕获屏幕与音频，生成可搜索的 AI 记忆，默认本地存储，可选云端与团队功能。它采用事件驱动截屏（应用切换、点击、输入停顿、滚动时抓取截图并附带无障碍树，缺失时回退 OCR），音频用本地 Whisper Large-V3-Turbo 或云端 Deepgram 转写，并支持说话人识别。
Hacker NewsAI 评分6262 Apple 发布 HomeView 智能家居显示屏，内置 Siri AI 与 A18 芯片
Apple 发布 HomeView 智能家居显示屏，内置由 Apple Intelligence 驱动的 Siri AI，搭载 A18 芯片，配备 7 英寸 Liquid Retina 显示屏和 Apple 自研音频系统。
RadarAIAI 评分2222 Apple 发布 HomePod mini 2，售价 149 美元并将在未来更新中带来 Siri AI
Apple 于 10 月 13 日发布 HomePod mini 2，售价 149 美元，提供粉、绿、蓝、白、午夜五种配色，美国及超过 23 个国家和地区即日起可预购，10 月 30 日门店开售。
RadarAIAI 评分5858 Apple 发布搭载 Siri AI 的新一代 Apple TV 4K
Apple 发布新一代 Apple TV 4K（第 4 代），内置由下一代 Apple Intelligence 驱动的 Siri AI 和远场麦克风，支持全屏对话式搜片与免提交互。
RadarAIAI 评分6262 Apple 发布 7 英寸智能音箱 HomeView，售价 299 美元并搭载 Siri AI
Apple 推出配备 7 英寸 Liquid Retina 显示屏的 HomeView，将娱乐、FaceTime、家庭监控与语音自动化整合在一起，标准版与壁挂版均定价 299 美元。
RadarAIAI 评分5858 Apple 发布首款智能家居屏 HomeView，售价 299 美元
Apple 发布首款智能家居屏 HomeView，7 英寸方形屏幕配扬声器底座，售价 299 美元，壁挂版同价，现已开启预购，11 月 13 日发货，首发覆盖美英加等八个国家。
RadarAIAI 评分3636 Baseten 解析 Gradium TTS 如何实现快于人类响应的实时语音合成
Gradium TTS 在 Coval 基准（2026 年 5 月 4 日数据）上实现 155 ms 的 TTFA 中位数，四分位距仅 2 ms，达到快于人类语音响应的水平。
极客公园AI 评分6666 苹果发布 299 美元 Apple HomeView 屏幕，Siri 可识别 6 位家庭成员
苹果在 10 月 13 日发布会上推出 7 英寸屏幕设备 Apple HomeView，美国售价 299 美元，10 月 13 日开放预订、11 月 13 日上市，同期还有第四代 Apple TV 4K、HomePod mini 2 和 Apple Home Collection 配件系列。
The Verge · AIAI 评分6060 Apple 发布首款智能显示屏 HomeView，售价 299 美元
Apple 发布首款智能显示屏 HomeView，售价 299 美元，11 月 13 日发货，首发覆盖美国、英国、加拿大、澳大利亚、新西兰、新加坡、南非和印度八国，现已开启预售。
Hacker NewsAI 评分3636 Show HN：用 OpenAI 订阅通过 PDF TO MP3 把文档转成有声书
一款名为 PDF TO MP3 的 MCP 服务可将 PDF 文档转成有声书，文档处理走用户已有的 AI 订阅（如 Codex），语音生成则由 Google 或 OpenAI 按用量单独计费。
Hacker NewsAI 评分5151 EmbeddingGemma 2 被改造成端侧语音转文字模型
作者把 Google 的嵌入模型 EmbeddingGemma 2 改造成语音转文字模型，在基础款 M3 MacBook Air 上约 13 秒处理 1 小时音频，全程在设备端运行。
RadarAIAI 评分5555 火山引擎推出语音内容编辑模型，可用自然语言指令改音频词汇
火山引擎多媒体实验室推出指令驱动的语音内容编辑模型，用户可通过自然语言指令（如「把 A 改成 B」）直接修改音频中的具体词汇。该模型在实现局部内容纠错的同时，最大程度保留原说话人的音色、韵律与上下文衔接，将语音编辑从传统的波形剪辑或重录转向 AI 内容编辑，可用于修正口播错误或修订广告词。
RadarAIAI 评分6060 千问发布 AI 眼镜 N1/N1 Pro 及首款 AI 耳夹式耳机并现货开售
千问发布三款硬件新品，包括 AI 眼镜 N1、N1 Pro 和首款 AI 耳夹式耳机，今日在淘宝、天猫、京东、抖音等平台现货开售。眼镜到手价 2218 元起，耳机 1099 元起。
RadarAIAI 评分2424 Descript 10 月更新：全盘搜索、异步录制请求与 ElevenLabs v4 语音克隆
Descript 在 10 月更新中为整个 drive 加入搜索栏和完整结果页，并支持让 Underlord 查找文件、文件夹、项目和 layout packs。Enterprise drive 可发送异步录制请求，让受访者自行录制并回传素材。更新还引入 ElevenLabs v4 语音克隆。
RadarAIAI 评分2525 Obsidian 插件 Qiaomu Reader 更新：支持多种 TTS 引擎与本地语音模型
Obsidian 插件 Qiaomu Reader 更新，集成豆包、微软 Edge 等 TTS 引擎，并新增本地轻量语音模型实现实时朗读。该插件还支持选中文本及全书自动翻页朗读，体验日益向微信读书靠拢。
极客公园AI 评分6262 复旦邱锡鹏团队创立的模思智能完成超 10 亿元 Pre-A 轮融资
模思智能宣布完成超 10 亿元 Pre-A 轮融资，由华控基金领投，国开科创、上海科创基金、新微资本等参与，元禾控股等老股东继续投资，距天使轮官宣约半年。这家由复旦大学邱锡鹏创立、成立不到两年的公司主攻全模态实时交互，2026 年以来围绕语音、视觉和实时多模态发布 20 多个模型，其中 7 月开源的 MOSS-VL-Realtime 可持续接收视频流并随画面更新判断。
GitHubAI 评分5858 Jarvis 发布本地优先语音助手：语音识别与模型全部跑在本地
开源项目 isair/jarvis 发布本地优先的语音助手 Jarvis，语音识别、语言模型和语音合成均运行在用户自己的硬件上，对话与数据只保存在本机。它支持用 Ollama 或 LM Studio、llama.cpp 等 OpenAI 兼容服务接入本地模型，内置网页搜索、天气、截图 OCR、文件访问等工具，并可通过 MCP 服务器接入浏览器自动化和智能家居等外部能力。
GitHubAI 评分3636 jaouadinoham2/jarvis-assistant：本地 GPU 加速的钢铁侠风格全息语音助手
jaouadinoham2/jarvis-assistant 是一个完全本地、GPU 加速的 AI 语音助手项目，配备钢铁侠风格全息 HUD，可在工作站上 100% 离线运行。
GitHubAI 评分2222 WallWhisper：把 IP 摄像头变成家庭英语口语陪练
WallWhisper 是一款 Windows 应用，可将支持 RTSP 的 IP 摄像头变成家庭英语口语陪练：它监听房间里的说话声，把文本发送给 AI 模型生成英文回应，再通过音箱朗读出来，全程无需屏幕。应用需 Windows 10 或 11、稳定网络、带音频输入的摄像头和音箱，摄像头与 PC 须在同一网络，安装包可从 GitHub Releases 下载。
GitHubAI 评分2222 Orpheus TTS Docker 镜像发布：一键部署文本转语音
Orpheus TTS 推出 Docker 镜像 shr1324/orpheus-tts-docker，用户可通过 docker pull 拉取并运行容器，在浏览器访问 8080 端口将文本转换为语音。
GitHubAI 评分2222 inference-sh 发布 Swift SDK，为 iOS/macOS 接入 AI 智能体运行时
inference-sh 推出官方 Swift SDK sdk-swift，让 iOS、macOS 和服务端 Swift 应用可运行 AI 应用、与 AI 智能体对话并流式输出。
Hacker NewsAI 评分3434 如何教 AI 门禁对陌生人说"不"：LLM 只负责对话，服务器掌握放行决定
2389 办公室为前台门禁搭建了一套 AI 智能体：门禁对讲机接入 Vapi 语音助手，模型只负责与访客对话，所有放行、拒绝、升级、转接决定都由服务端 TypeScript 逻辑做出，模型仅按返回的指令字符串照做。
Hacker NewsAI 评分5050 基于 Deepgram 语音 API 的现代智能体 AI 操作系统
一款名为 Veda 的语音智能体被做成操作系统级常驻能力：任务栏右侧的小圆环随时待命，说出名字即可唤醒，通过键盘鼠标同样的操作打开应用、编辑文本、管理文件、播放音乐和改设置。语音识别、语言模型与语音均由 Deepgram 提供，对话走 Voice Agent API，唤醒词识别用 Nova-3，麦克风音频 16 kHz 输入、24 kHz 语音输出，并支持随时打断。
Hacker NewsAI 评分2222 Ubuntu 语音转文字功能 Myna 以技术预览形式开放
Ubuntu 的本地语音转文字项目 Myna 现已作为技术预览向社区开放，支持 Ubuntu 24.04 LTS、26.04 LTS 和 26.10。该功能完全在本地运行，模型下载后无需联网，音频不会被上传或存储，并支持 Parakeet、Whisper、FunASR 等识别引擎。Myna 目前专注于听写，并非语音助手，可通过 PPA 安装体验。
GitHubAI 评分2222 Karnika Sehgal 发布可玩短片《The Last Thing in the Jar》第一集
Karnika Sehgal 发布可玩短片《The Last Thing in the Jar》第一集，讲述 Mikon 在表亲婚礼上被橄榄核噎住、没带渡河硬币便抵达冥河斯堤克斯，按规则需在岸边等待一百年。
GitHubAI 评分2020 SoulX-Singer-Eval：零样本歌声合成评测工具
SoulX-Singer-Eval 是一款面向零样本歌声合成的评测套件，无需编程即可试听、打分并对比 AI 生成的歌声。它支持 .wav 和 .mp3 样本，可从自然度、音准、表现力与情感等维度评分，并导出文本或 CSV 结果。工具提供音高轨迹图、波形显示和批量处理，完全离线运行，支持 Windows 10+、macOS 10.14+ 与 Linux。
Hacker NewsAI 评分5858 Ringee 发布开源呼叫基础设施，支持人工团队与 AI 语音智能体共用一套栈
Ringee 发布开源呼叫基础设施，让销售团队和 AI 语音智能体在同一套号码、通话记录和录音上工作。团队版为每月 20 美元、不限用户数，个人账户免费，通话按量计费，从每分钟 0.012 美元起。它提供 AI 接待、预约和提醒三类语音智能体，并可通过 MCP 服务器在 ChatGPT、Claude 等客户端中查找线索、发起 AI 通话和记录结果，代码已在 GitHub 公开，支持自托管。
GitHubAI 评分5858 VoiceStudio 开源语音克隆工具发布 Electron 版，支持 646 种语言
开源语音工具 VoiceStudio 发布 Electron 桌面版，提供语音克隆、语音设计、视频配音、听写、转录和有声书制作，覆盖 646 种语言。默认引擎为 k2-fsa/OmniVoice，支持 NVIDIA CUDA、Apple Silicon Metal 加速，无独显时可用 CPU 运行。
GitHubAI 评分88 soenneker.runners.whisper.ctranslate 自动更新 Soenneker.Whisper.CTranslate 包
soenneker.runners.whisper.ctranslate 用于自动更新 Soenneker.Whisper.CTranslate 包。该仓库为 GitHub 上的自动化更新工具，具体版本号、参数规模与可用性信息未在原文中披露。
Hacker NewsAI 评分2222 Tapelark：录制 Mac 播放内容的 macOS 应用
Tapelark 是一款 macOS 14.4 及以上版本的 Mac 应用，可录制音乐应用、浏览器标签页、网络电台、播客和窗口视频，录制时自动切分、命名并标记每首歌曲。
GitHubAI 评分3838 VidLens：用 Qwen 与 Paraformer 生成 YouTube 视频中文总结的开源工具
VidLens 是一个开源 YouTube 视频总结工具，贴入链接后自动提取字幕、语音与画面，调用阿里云百炼的 qwen-plus、qwen-vl-max 和 paraformer-realtime-v2 生成结构化中文总结。它采用字幕优先、无字幕转 ASR 的降级链，音频切段并发识别可将 38 分钟音频从约 10 分钟压缩到约 2 分钟，并提供 Gradio 网页界面与一键打包下载。
GitHubAI 评分4040 ELI v2.0：本地优先 AI 助手，227 项能力全离线运行
ShadowESC95 发布 ELI v2.0，一款完全运行在本地硬件上的 AI 助手，默认离线，具备语音、视觉、记忆共 227 项能力。
GitHubAI 评分3838 Real Talk 发布 TypeScript SDK，用于构建语音智能体
Real Talk 开源 TypeScript SDK（js-sdk），用于构建语音智能体，包含 @realtalk-ai/react、@realtalk-ai/react-native、@realtalk-ai/embed 和 @realtalk-ai/core 四个包。