Modulate 获 2500 万美元融资，用于语音模型与深度伪造检测分析套件
波士顿语音智能初创公司 Modulate 完成 2500 万美元新融资，由 Future Ventures 领投，Hyperplane 和 Lakestar 参投。该公司运行 100 多个小模型，为企业提供转录、情绪分析、深度伪造与 AI 音乐检测，以及面向受监管行业语音智能体的政策执行。本轮前，Modulate 已累计融资 4100 万美元，估值达 1.7 亿美元。
#语音
#语音
今日 2 条TechCrunch · AIAI 评分3838 AWS Machine Learning BlogAI 评分3838 在 SageMaker AI 上使用 vLLM-Omni 构建实时语音应用（第一部分）
AWS 发布教程，演示如何在 SageMaker AI 上通过 vLLM-Omni DLC 部署 Qwen3-TTS 模型，实现文本流式输入和音频流式输出的双向实时语音应用。
AWS Machine Learning BlogAI 评分3838 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实现实时个性化语音
Qwen3-TTS-12Hz-1.7B-Base 现可通过 Amazon SageMaker JumpStart 部署到全托管实时推理端点，支持从数秒参考音频克隆说话人音色，无需重新训练模型。
AWS Machine Learning BlogAI 评分3838 在 SageMaker AI 上使用 WhisperX 进行说话人标注转录
AWS 推出 WhisperX 深度学习容器（DLC），将 OpenAI Whisper 与 wav2vec2 强制对齐及说话人分离结合，提供逐词时间戳和说话人标签。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两个语音对话模型，前者面向规模与成本效率，后者面向高复杂度任务。
推荐理由：官方给出了两个新模型的定位差异、基准成绩和开放渠道，读者可据此判断它们适合哪些语音智能体场景。
OpenAI NewsAI 评分5050 GPT-Live-1 在 API 中带来更自然的语音体验
OpenAI 将 GPT-Live-1 引入 API，支持全双工自然语音对话，具备更强的指令遵循能力、自定义语音和电话支持。开发者可通过 API 直接构建更流畅的实时语音交互体验。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转文字模型
Google DeepMind 发布 Gemini 3.5 Transcribe，这是其最精确的语音转文字模型，支持实时流式与预录音频处理，可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 使用。
推荐理由：原文给出了新模型的精度、延迟和开放入口，读者可以据此判断它相比 Chirp 3 的实际提升。
Hugging Face Blog精选AI 评分6060 Hugging Face 与 Cerebras 联手推出实时语音 AI 演示
Hugging Face 与 Cerebras 合作推出实时语音 AI 演示，构建了全开源的级联式语音到语音流水线：语音输入经 Nvidia Parakeet 识别，由 Cerebras 上的 Gemma 4 31B 处理，再经阿里 Qwen3TTS 合成语音输出。该流水线已驱动超过 9,000 台 Reachy Mini 机器人，旨在通过低延迟和稳定推理改善对话的自然感。
推荐理由：原文展示了开源语音流水线与 Cerebras 推理速度结合后的实时对话体验，读者可据此评估端到端语音方案的延迟表现。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型
Google DeepMind 发布 Gemini 3.1 Flash TTS，这是最新的文本转语音模型，支持 70 多种语言和原生多说话人对话。模型引入音频标签功能，可通过自然语言指令控制语速、语气和表达方式，在 Artificial Analysis TTS 排行榜上 Elo 得分 1,211。
推荐理由：官方介绍了新模型的音频标签控制能力和多语言覆盖，读者可据此评估它在语音生成应用中的可用性。
Mistral AI精选AI 评分7575 Mistral 发布 Voxtral Transcribe 2 语音转录模型
Mistral 发布 Voxtral Transcribe 2，包含 Voxtral Mini Transcribe V2 和 Voxtral Realtime 两款模型。
推荐理由：原文给出了两款模型的定位、价格和开源情况，读者可据此评估语音转录方案的性价比与部署选择。
Mistral AI精选AI 评分6262 Mistral 发布 Le Chat 多项新功能，含 Deep Research、语音模式与图像编辑
Mistral 为 Le Chat 推出多项新功能：Deep Research 预览模式可生成结构化研究报告，语音模式由新模型 Voxtral 驱动，Think 模式由推理模型 Magistral 提供多语言思考能力，Projects 用于组织对话，并与 Black Forest Labs 合作支持直接在聊天内编辑图像。所有新功能现已在 chat.mistral.ai 及移动应用上线，无需信用卡。
推荐理由：官方一口气上线五项新能力，读者可据此判断 Le Chat 在深度研究、语音和图像编辑上的完整能力版图。
Mistral AI精选AI 评分7878 Mistral 发布开源语音理解模型 Voxtral，提供 24B 与 3B 两个版本
Mistral AI 发布开源语音理解模型 Voxtral，提供 24B 生产级和 3B 端侧两个版本，均采用 Apache 2.0 许可并开放 API。Voxtral 支持 32k token 上下文、最长 30 分钟转写或 40 分钟理解、内置问答与摘要、多语言识别及语音直接触发函数调用。
推荐理由：原文给出了两个开源语音模型的规模、许可和定价，读者可据此评估其在生产场景中的成本与部署选择。