Square 推出 Square Kiosk 自助点单机：可对话 AI 点餐，售价 1999 美元
Square 发布 Square Kiosk 自助点单终端，配备 21.5 英寸触屏和"智能体对话语音层"，能理解商家菜单并实时应答，顾客可向 AI 提问、要求修改或替换菜品。该设备支持靠近感应迎宾、非接触支付和插卡，今日起面向 Square Plus 或 Premium 订阅商家发售，硬件售价 1999 美元，另收每台每月 99 美元软件费。
#语音
#语音
今日 1 条The Verge · AIAI 评分4444
爱范儿AI 评分5656 苹果 HomeView 上手汇总：7 英寸家庭屏幕与 Siri AI 的首次亮相
苹果发布 HomeView 家庭智能屏幕，配备 7 英寸 Liquid Retina 显示屏与音箱底座，亮度范围 500 尼特至 0.3 尼特，通过内置摄像头面部识别最多六位家庭成员并自动切换个人界面。
Latent SpaceAI 评分6767 AI Engineer NYC 大会：Gemini 4 Argon 正式发布与多项评测汇总
AI Engineer NYC 大会次日约两万人参与，Latent Space 汇总了当周 AI 动态。Google 的 Gemini 4 Argon 面向编程、知识工作、企业流程和网络防御全局开放，API 入门价 $2/$10 每百万 token，Artificial Analysis 称 11 月 30 日后将涨至 $4/$20。
钛媒体AI 评分5050 苹果HomeView重返智能家居：硬件很苹果，AI没跟上
苹果在纽约闭门活动上发布智能家居中枢HomeView，配备约7英寸Liquid Retina显示屏和FaceTime摄像头，售价299美元，可控制智能家居设备并识别家庭成员提供个性化体验；HomeView不在中国大陆和欧盟销售，中国大陆市场仅能买到新一代HomePod mini。
OpenAI NewsAI 评分3434 Higgsfield 用 GPT-6 Astra 把 AI 视频从 1 分钟延长到 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 提供更精准的画面，并借助 GPT-Live 探索语音驱动的电影制作路径。
爱范儿AI 评分7272 苹果发布 HomeView 等十余款家居新品
苹果发布十余款家居新品，包括首款带屏家庭中控 Apple HomeView、换芯的 HomePod mini 2 和第四代 Apple TV 4K，并联合 LG 与施耐德推出 Apple Home Collection 配件。
The Verge · AIAI 评分5454 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，即日起开启预售，11 月 13 日发货，首批覆盖美国、英国、加拿大、澳大利亚、新西兰、新加坡、南非和印度八国。
TechCrunch · AIAI 评分4444 前 Plaud 高管 Mo 创办的 Ambi 融资 2600 万美元，推出全天候监听的 AI 助手应用
前 Plaud 高管 Peter Mo 创办的 Ambi 完成 2600 万美元融资，由 Luminous Ventures 和华勤（Huaqin）领投，并发布 iPhone、Mac 和 Apple Watch 应用。
TechCrunch · AIAI 评分3131 PolyAI 与 Otter 高管：语音 AI 还没迎来自己的 ChatGPT 时刻
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，全双工模型虽已实现，但语音 AI 仍未迎来"ChatGPT 时刻"，下一步挑战是让推理足够快以支撑自然对话。Otter 的 CMO Alex Gay 则强调说话人识别、意图捕捉与转写准确率是关键，原始转写不准会让后续动作全部出错。两人还强调工具应向用户声明正在录音或对话对象是 AI。
TechCrunch · AIAI 评分3131 Apple 与个性化播客创业公司 Huxe 达成反向 acqui-hire 协议
Apple 向欧盟委员会披露，已同意向 Huxe AI 部分员工发出录用通知，并获得 Huxe 知识产权的非独家授权，属反向 acqui-hire 交易。Huxe 由曾参与 NotebookLM（已更名为 Gemini Notebook）AI 播客功能的开发者创立，于 5 月 21 日宣布关停并从 Apple 和 Google 应用商店下架应用。
The Verge · AIAI 评分4141 Alexa Plus 评测：跑得动智能家居，跑不动我的生活
Alexa Plus 是亚马逊由生成式 AI 驱动的全新数字助手，在美国和加拿大可用，在墨西哥、英国、意大利、西班牙、德国、奥地利、法国、巴西、澳大利亚和印度处于抢先体验阶段；在 Echo 设备上需 Amazon Prime 会员或每月 19.99 美元订阅。
爱范儿AI 评分5151 苹果家庭发布会定档10月13日，HomePad等至少6款新品曝光
苹果全球营销高管 Greg Joswiak 发布预热视频，宣布 10 月 13 日（北京时间晚 9 点）在纽约举办以 Apple Experience 为形式的活动，预计集中更新家庭产品线。
Hugging Face BlogAI 评分4949 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，主打阿联酋方言
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，这是一个 1.6B 参数的语音识别模型，重点支持阿联酋方言阿拉伯语，同时支持英语、法语、西班牙语和葡萄牙语，五种语言共用同一套权重。
TechCrunch · AIAI 评分5555 Natura 推出 99 美元智能戒指 Interface，主打 AI 智能体
AI 与硬件初创公司 Natura 发布 99 美元智能戒指 Interface，按下手指即可让 AI 智能体完成任务、记录想法，并支持 Meta Muse、Instinct、Grokbot、Claude、ChatGPT 等智能体与应用。
AWS Machine Learning BlogAI 评分3636 用 Amazon Bedrock AgentCore、Managed Knowledge Base 与 Nova Sonic 构建语音旅行管家
亚马逊展示如何为航司应用加入语音旅行管家：基于 Amazon Bedrock AgentCore 托管智能体、Nova 2.5 Sonic 实现实时语音、Bedrock Knowledge Bases 支撑政策问答，通过 MCP 与 AgentCore Gateway 打通后端，可查行程、改座位、更新餐食偏好并转接人工客服。
The Verge · AIAI 评分3333 Gemini Call for Me 或扩展到给亲友打电话，APK 拆包现端倪
Android Authority 在 APK 拆包中发现 "Gemini Calling" 引导页，示例包括 "Call Mom and tell her I will be 15 minutes late"，暗示 Google 可能把 Call for Me 的 AI 代打电话能力从商务场景扩展到亲友消息。
TechCrunch · AIAI 评分5656 Sean Parker 将 Stability AI 重塑为音乐 AI 工具公司
Napster 联合创始人 Sean Parker 正把 Stability AI 重新定位为面向音乐专业人士的 AI 工具厂商，他与出任 CEO 的好友 Prem Akkaraju 共同推进这一转型。
The DecoderAI 评分5555 Suno 推出 Speech 功能，可生成语音与配套背景音乐
AI 音乐生成器 Suno 新增 Speech 功能，可同时生成口播语音与配套背景音乐，并合成为一条音轨。用户输入想法或文字，并描述想要的音色和音乐风格，模型即生成语音与声音。
TechCrunch · AIAI 评分6262 语音 AI 公司 ElevenLabs 估值翻倍至 220 亿美元
语音 AI 初创公司 ElevenLabs 宣布允许员工以 220 亿美元估值变现部分已归属股权，这一估值是其在 2 月完成 5 亿美元融资时 110 亿美元估值的两倍。
TechCrunch · AIAI 评分4646 Legato 推出 AI 助听眼镜 Legato Frames，售价 999 美元起
听力科技初创公司 Legato 宣布其 AI 助听眼镜 Legato Frames 正式开售，售价 999 美元起，面向轻中度听力损失成年人。该眼镜重 34 克，续航 10-12 小时，通过端侧 AI 区分人声与背景噪音，双扬声器系统可将耳外漏音降低 99%，提供三种款式并支持处方镜片与蓝牙串流，已在美国官网及部分眼科护理机构发售，可获视力保险报销。
The Verge · AIAI 评分5656 AI 音乐平台 Suno 推出语音生成功能 Speech，进入公开测试
Suno 上线语音生成功能 Speech，在网页和移动端开启公开测试，可同时生成配音与配套背景音乐。用户可在 Create 标签下选择 Simple 模式用提示词描述，或用 Advanced 模式自填脚本，并调整 AI 语音的性别、风格和生成多样性，语音最长约 8 分钟。Suno 承认该功能远非完美，将根据用户反馈持续改进。
The DecoderAI 评分5959 Microsoft AI 发布面向语音智能体的转录与文本转语音模型
Microsoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟略超 100 毫秒，微软称其在 Artificial Analysis 上准确率排名第一。
NVIDIA Developer BlogAI 评分2727 微调 NVIDIA Nemotron 支持沙特阿拉伯语方言，并探索扩展至其他语言
NVIDIA 针对沙特阿拉伯语方言微调 Nemotron 模型，以解决区域方言和本地录音条件在预训练数据中代表性不足、导致多语言模型在真实部署中表现欠佳的问题。基础模型可能识别现代标准阿拉伯语，却在沙特方言场景下失准，该工作同时给出向其他语言扩展的路径。
爱范儿AI 评分6060 彭博社爆料：苹果 10 月 13 日发布 Siri AI 智能家居新品
彭博社 Mark Gurman 爆料，苹果准备在 10 月 13 日推出由 Siri AI 加持的三款产品：代号 J490 的智能家居中枢、新一代 HomePod mini 和更新版 Apple TV，重启被冷落已久的智能家居产品线。
Hugging Face BlogAI 评分4747 Hugging Face 推出 Open TTS Leaderboard：面向多语言 TTS 与语音克隆的可扩展评测
Hugging Face 发布 Open TTS Leaderboard，用 WER/CER、RTFx、TTFA 和 WavLM 说话人相似度等客观指标评测开源多语言 TTS 与语音克隆模型，把评测周期从数周投票压缩到数小时。
Google DeepMind精选AI 评分7171 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，让企业智能体可以边听边看边说。
推荐理由：官方说明了实时视频形象与异步工具调用的组合方式，可据此判断企业客服等场景的交互形态变化。
Latent SpaceAI 评分6969 Meta Connect 2026：Muse 智能体、语音视频能力与 Charm 硬件
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，为其加入语音和实时视频能力，并发布 Ray-Ban Meta Gen 3、售价 1,299 美元的 Meta VR Glasses 和 12 月发货的 Muse Charm 钥匙扣设备。
Simon WillisonAI 评分6161 Simon Willison 发布 Gemini 3.8 TTS Playground 试听工具
Simon Willison 用 GPT-6 Astra 开发了 Gemini 3.8 TTS Playground，这是一个自带 API Key 的交互式页面，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7676 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 与 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、低成本配音场景。
推荐理由：两个 TTS 模型把语音生成从固定预设转向自然语言定制，并给出 Hume AI 基准成绩与开放入口，便于判断创作与规模化配音的能力边界。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者主打规模化与成本效率，后者面向高复杂度任务，支持边推理边说话。
推荐理由：官方给出两款语音模型的基准分数、价格定位与开放渠道，可据此判断语音智能体的选型与部署时机。
Hugging Face BlogAI 评分4949 Open ASR Leaderboard 首次加入全球南方语言：Monsoon 印地语与印度英语评测集
Hugging Face 的 Open ASR Leaderboard 新增 Monsoon en-IN 与 Monsoon hi-IN 两个评测集，印地语由此成为该多语言榜单上的首个印度语言。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布 Gemini 3.5 Transcribe，一款面向实时转写的语音转文字模型，已在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由：官方给出 WER、延迟提升和两套 API 入口，读者可据此判断语音转写能否接入现有工程链路。
Hugging Face Blog精选AI 评分6767 Hugging Face 研究量化语音识别中的基准优化问题
Hugging Face 发布研究，提出三项测试量化语音识别中的基准优化现象。研究评估 11 个开源 ASR 模型，发现部分高分模型在音频与参考文本矛盾时仍复现 VoxPopuli 和 LibriSpeech 的错误转写，被静音的年份甚至被补全为 2011。
推荐理由：文章用三类探针量化 ASR 模型对基准本身的过拟合，并给出可复用的检出方法。
Hugging Face BlogAI 评分5656 NVIDIA 发布 Magpie TTS 多语言版，开放权重支持 12 种语言
NVIDIA 发布 Magpie TTS Multilingual，一个 364M 参数的开源权重语音合成模型，新增 Modern Standard Arabic、Korean 和 Brazilian Portuguese，共支持 12 种语言。
Google DeepMind精选AI 评分6161 Google DeepMind 在 Flow Music 发布音乐生成模型 Lyria 3.5
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制上有提升，包括更复杂自然的主旋律结构、提示词遵循与结构感知更好的歌词、更具情感细节和发音更准的人声，以及更易控制输出tempo和时长。
推荐理由：官方给出 Lyria 3.5 在旋律、歌词、人声与节奏控制上的具体升级点，可据此判断音乐生成的可用边界。
Hugging Face BlogAI 评分5959 Hume 发布 Real World VoiceEQ：衡量语音 AI 的人类质感
Hume 推出 Real World VoiceEQ 语音 AI 基准，覆盖 40 多个主流闭源与开源语音模型，横跨 ASR、TTS、S2S 与语音理解四类共 15+ 维度、60+ 指标。
Hugging Face BlogAI 评分5454 HF Mirror 与 Cerebras 将 Gemma 4 用于实时语音 AI
Hugging Face 与 Cerebras 展示了基于 Gemma 4 的实时语音到语音管线，采用模块化的开源架构。流程为 Nvidia 的 Parakeet 做语音识别，Gemma 4 VLM 在 Cerebras 上推理，再由阿里 Qwen3TTS 做文本转语音。
Hugging Face BlogAI 评分4141 Hugging Face 与 Treble Technologies 推出 FFASR 远场 ASR 基准榜单
Hugging Face 与 Treble Technologies 上线首个开放的远场 ASR 基准 FFASR Leaderboard，覆盖 14 个模拟房间，并按近场、远场高/中/低 SNR 等条件评估模型。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.5 Live Translate 语音翻译模型
Google DeepMind 发布音频模型 Gemini 3.5 Live Translate，支持 70 多种语言的近实时语音到语音翻译，能自动检测语言并保留说话人的语调、节奏和音高。
推荐理由：Gemini 3.5 Live Translate 把语音翻译从轮流应答改为连续输出，并给出开发者、企业与普通用户的接入路径。
Hugging Face BlogAI 评分5656 Reachy Mini 实现完全本地语音对话
Hugging Face 博客介绍如何让 Reachy Mini 的语音对话全流程本地运行，使用其 speech-to-speech 级联管线（VAD → STT → LLM → TTS），无需云端、API key 或数据外传。