跳到正文
10月13日週二
  1. IT之家47

    蘋果 HomePod mini 2 智能喇叭發佈:五種配色可選,海外支援 Siri AI,1099 元

    蘋果推出 HomePod mini 2 智能喇叭,定價 999 元,並將於 10 月 30 日發售。產品提供藍色、午夜色、白色、黃色及橙色五種配色,採用全頻驅動單元和雙無源輻射器,支援立體聲組合、聲音識別及温濕度感測。無線連接升級至 Wi-Fi 6E,海外支援 Siri AI,並附帶 20W 電源轉接器。

  2. DoNews38

    STEPX Neo 搭載智能體聽覺增強系統,全天候低功耗感知環境聲音

    階躍星辰公佈 STEPX Neo 搭載的智能體聽覺增強系統技術細節,系統由六麥克風陣列、低功耗音訊感知晶片及 Whisper 1.0 拾音演算法組成。音訊感知晶片可獨立持續運作,整機該功能連續運作 24 小時僅耗電 1.2%。這套方案協助 Amoo 智能體在嘈雜聲場中識別語音指令,並全天候感知環境聲音。

  3. 比特網 AI57

    VoxMem 研究指出,大型音頻語言模型的記憶短板在聲音資訊而非上下文長度

    墨爾本大學與新南威爾士大學的研究以 VoxMem 評測大型音頻語言模型,發現模型對説話人、語氣及環境聲等聲學資訊的記憶明顯弱於對話文字內容。VoxMem 收錄超過3.4萬段口語會話,總長177小時;在32K tokens下測試的15個模型,整體準確率均低於40%,最佳為38.5%。跨會話聲學狀態追蹤準確率僅0.9%–3.7%;在64K檔位,15個模型中只有10個能完整跑通,環境聲準確率為0.9%。

  4. Unite.AI47

    MIT 新 AI 系統從過往對話預測用戶下一步的對話行為

    MIT 研究人員開發以 LLM 為基礎的系統,從數週真實對話學習重複模式,預測用戶下一步的對話行為。研究收集 14 名參與者逾 1,000 小時的自然對話,整理成行為歷史後交由 Gemini 2.5 Pro 預測。結果顯示,情境化模式可改善口語行為預測;參與者重視模式可供閲讀及修訂的透明度。

  5. Unite.AI49

    Sierra 推出 Fleming-1,偵測來電者是否為 AI 智能體

    Sierra 於 2026 年 10 月 7 日推出 Fleming-1,偵測電話來電者是否為 AI 智能體。模型會即時分析來電語音,評估音訊由 AI 生成的跡象,並標示疑似 AI 來電;預設設定較保守,以免誤將真人標記。Fleming-1 適用於 Sierra 平台上的任何語音智能體,企業只需啟用,並自行決定如何處理這類來電。

  6. Unite.AI44

    Kintsugi Voice 如何意外發現準確的深偽語音偵測方法

    Kintsugi Voice 團隊在測試合成語音時,意外發現幾乎每次都能分辨合成語音與真人語音。該技術原用於分析音高、語調、音色和停頓等語音生物標記,以識別抑鬱和焦慮跡象。團隊其後與網絡安全、金融服務及電訊公司交流,確認辨別即時通話中真人與合成語音的實際需求。

10月12日週一
  1. IT之家19

    吉利遠程星享 M7E 車型上市:限時售價 11.39 萬元,續航 465km,首搭金磚致遠電池

    吉利遠程旗下純電商務車星享 M7E 正式上市,官方指導價 12.59 萬元,限時專享價 11.39 萬元,並首搭金磚致遠電池。新車搭載 66kWh 電池,CLTC 綜合續航超 465 公里,前置單電機最大功率 120kW。2026 年 12 月 31 日 24 點前下定可享限時價,金磚致遠電池常温下由 20% 充至 80% 約需 18 分鐘。

10月11日週日
  1. IT之家54

    國家安全部解釋陌生來電先沉默三秒的原因,指數秒語音或被用於 AI 聲紋克隆

    國家安全部指出,不法分子可能在陌生來電接通後故意沉默,誘使接聽者回應,再利用數秒語音樣本進行 AI 聲紋克隆。國家安全部亦警告,生物特徵可能被過度採集、複製和整合,進一步用於深度偽造及推斷個人私隱。文中提醒用戶辨別資料用途、範圍及保護措施,遵循「非必要不提供」原則。

10月10日週六
  1. 字節 Seed:Research Feed62

    字節 Seed 發佈 Seed Audio 1.0 音訊創作模型

    字節 Seed 發佈音訊創作模型 Seed Audio 1.0,以統一框架生成對白、音效和環境聲,完成完整聲音場景創作。模型支援 100ms 間隔精度時間控制、參考音訊延展(單次約 2 分鐘)及 20+ 語種生成,並已在火山方舟體驗中心上線。

  2. 字節 Seed:Research Feed74

    SeedRealtime 音訊及影片全雙工大模型發佈:邁向全模態自然互動

    字節 Seed 正式推出原生音訊及影片全雙工大模型 SeedRealtime,透過統一架構融合音訊、影片與文字,並在連續多模態資訊流中即時互動。端到端人工評測顯示,相比級聯模型,音訊及影片對話的節奏問題減少一半,單次對話順暢、完整交流的機率亦有明顯提升。

  3. Azeem Azhar:Exponential View35

    AI 智能體與螢幕辦公模式的終結

    作者忘記帶手提電腦後,主要透過手機與 ChatGPT 對話完成工作,並認為 AI 智能體正令以電腦和鍵盤為中心的辦公模式逐漸鬆動。OpenAI 於 7 月推出的 GPT-Live 可讓用戶以語音指揮智能體;作者也以語音助理進行了一週的工作實驗。

  4. IT之家51

    蘋果與 Huxe 達成人才引進及技術許可協議,成為今年披露的第 4 宗 AI 交易

    蘋果與 AI 音訊初創公司 Huxe 達成人才引進及技術許可協議,成為今年公開披露的第 4 宗蘋果 AI 相關交易。協議讓蘋果可向 Huxe 特定員工發出聘用邀請,並取得其知識產權的非獨家許可;這不包括收購 Huxe 業務,協議金額未披露。Huxe 由 3 名前 Google NotebookLM 團隊成員創立,其服務已於 2026 年 5 月 28 日結束。

  5. HuggingFace Daily Papers(社區熱門論文)39

    Learning Where to Split: Dynamic Band Splitting for Audio Source Separation

    動態頻帶切分(DBS)是一種端到端音源分離框架,能在固定頻帶 token 預算下,為每個混合音訊學習頻率軸的切分位置。使用 128 個頻帶時,DnR v2 上 BSRNN 的平均 SI-SDR 由 7.69 提升至 9.07 dB,TIGER 則由 8.74 提升至 10.13 dB。程式碼、預訓練模型及音訊範例已在項目頁提供。