TurboScribe AI：100% 免费的在线视频转文字与音频转文字工具
TurboScribe AI 是一款免费的在线视频转文字与音频转文字工具，无需注册即可使用。它基于 Whisper 神经语音模型，通过 WebAssembly 在用户本地浏览器内完成解码与转录，文件不会上传至任何服务器。转录结果自带精确时间戳，支持在线编辑并导出 TXT、SRT 或 VTT 格式。
#语音
#语音
今日 0 条Hacker News · AI 最新AI 评分4949 少数派AI 评分33 众测招募 | 从客厅到耳畔，Sonos 双新品 Beam Ultra 与 Ace Ultra 抢先体验
少数派联合 Sonos 开启 Beam Ultra 与 Ace Ultra 双新品众测，限额 10 名、需支付 699 元体验押金，报名截止至 10 月 17 日。
Hacker News · AI 最新AI 评分2222 Show HN: CoreXTrader — 跨平台交易 DSL 与 Voice AI 终端
CoreXTrader 是一款跨平台专业交易平台，内置 Strategy IDE、TDSL 语言与 AI 辅助编码的 TDSL Agent，支持 tick 级回测与机构级执行。
OpenAI NewsAI 评分5454 Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上
Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上，用 GPT-Image-2.5 呈现精确视觉，并以 GPT-Live 开辟语音电影制作路径。
字节跳动技术团队精选AI 评分6666 像改文字一样改语音：火山引擎全新语音内容编辑模型
火山引擎多媒体实验室推出全新语音内容编辑模型，用户输入原始音频并用一句自然语言说明要改什么，模型即可直接改写声音中说出的内容，同时尽量保留原说话人的音色、韵律和上下文衔接。
推荐理由：原文将语音编辑从修音质推进到改内容，并对照 Descript 与 Meta Voicebox 说明该模型补上了内容可编辑这一环。
爱范儿AI 评分5656 苹果发布 HomeView 等 10 余款智能家居新品，国行仅 HomePod mini 2 可买
苹果发布首款家庭带屏设备 Apple HomeView，7 英寸 Liquid Retina 屏幕、A18 芯片，桌面版与壁挂版均售 299 美元，11 月 13 日开售，前置摄像头最多识别六位用户并切换各自日程。
InfoQ 中国AI 评分6363 阶跃终端发布首款智能体手机 STEPX Neo，定价 3999 元
10 月 13 日，阶跃终端发布首款智能体手机 STEPX Neo 先行版，定价 3999 元，10 月 16 日 10:13 首销，同步推出智能体操作系统 Step AOS 1.0 与开发工具 Step Studio。
极客公园AI 评分6161 苹果给 Siri 做了一块能认出全家人的屏幕，售价 299 美元
苹果发布 7 英寸智能屏幕 Apple HomeView，美国售价 299 美元，10 月 13 日开放预订、11 月 13 日上市，同期还推出第四代 Apple TV 4K 和 HomePod mini 2。
The Verge · AI精选AI 评分6767 Apple 发布 HomeView，其首款家用智能显示屏
Apple 发布首款家用智能显示屏 HomeView，售价 299 美元，已在八个国家开放预购，11 月 13 日发货。设备配备 7 英寸方形屏幕与铝制音箱底座，内置 Siri AI 语音助手，可作 Apple Home 中枢、Matter 控制器和 Thread 边界路由器统一管理智能家居设备。
推荐理由：作者提前体验演示样机并与竞品对比，读者可据此判断这款 299 美元设备能否真正减少日常居家时的手机使用。
Hacker News · AI 最新AI 评分6666 Apple 发布全新 Apple TV 4K，由 Siri AI 强力驱动
Apple 发布新一代 Apple TV 4K（第 4 代），搭载由新一代 Apple Intelligence 驱动的 Siri AI，把影视搜索与发现变成全屏对话体验。
Hacker News · AI 最新AI 评分6161 Elissa AI 发布可离线唤醒的桌面语音助手，支持多种 LLM 与 MCP 集成
Elissa AI 是一款桌面语音助手，说 Hey Elissa 或按 Ctrl+Alt+Space 即可对话，支持 OpenAI、Claude、Gemini、OpenRouter、Groq 以及本地 Ollama 或 LM Studio。
Hacker News · AI 最新AI 评分4848 推测式工具调用：如何降低语音 AI 智能体的延迟
推测式工具调用让语音智能体在用户说话时就开始执行工具调用，从而大幅降低延迟。该机制在用户说话时预测工具调用，并在轮次结束时验证命中缓存结果，且不影响 LLM 的最终决策。相关研究报告显示，该方法在实时云 API 上可实现 1.3 到 1.7 倍的加速。
雷峰网AI 评分2929 独家丨字节最早天使投资人，投了一家 AI 音乐硬件公司
AI 音乐生成创作硬件公司 SUAVE 完成千万级种子轮融资，投资方为海纳无限（HINA），资金将主要用于量产机型的软硬件研发。其核心产品是搭配配件组合成吉他、键盘等形态的 AI 音乐主机，主机搭配一个核心配件售价预计不到 5000 元。该产品目前已有 demo，计划 2027 年初上市。
InfoQ 中国AI 评分6363 千问发布 AI 眼镜 N1、N1 Pro 与 Bose 联名 AI 耳夹式耳机，支持虹膜支付
10 月 13 日，千问发布 AI 眼镜 N1、N1 Pro 及与 Bose 共同推出的 AI 耳夹式耳机三款新品，当日现货开售，叠加国补后眼镜到手价 2218 元起、耳机 1099 元起。
极客公园AI 评分4242 复旦邱锡鹏团队获超 10 亿融资，成立两年，让模型感知、理解、响应变化的世界
模思智能宣布完成超 10 亿元 Pre-A 轮融资，由华控基金领投，这是其成立不到两年来的第二笔大额融资。公司由复旦教授邱锡鹏创立，聚焦情境智能，2026 年以来围绕语音、视觉和实时多模态连续发布 20 多个模型，其中 7 月开源的 MOSS-VL-Realtime 已能持续接收视频流并实时更新判断。
36氪AI 评分4747 模思智能完成超10亿元Pre-A轮融资，想让AI懂人的情绪与处境
邱锡鹏教授创办的模型公司模思智能近日完成超10亿元Pre-A轮融资，由华控基金联合领投，资金将用于全模态实时交互系统研发与全球商业化落地。公司将交互模型作为工程化入口，推出可实时理解和生成语音、视频等多模态的MOSS Live系统，目标是让AI持续理解现场情境。过去半年多，团队已迭代发布20多个模型版本，并与B端客户一起打磨交互模型。
Hacker News · AI 最新AI 评分4545 Veda：一个现代智能体 AI 操作系统
语音智能体 Veda 常驻任务栏，可通过语音唤醒并代替用户执行打开应用、编辑文件等电脑操作。其语音识别、语言模型与语音均由 Deepgram 提供，唤醒识别使用 Nova-3，对话则依托 Voice Agent API。系统支持自然打断与多轮追问，并会在执行不可撤销的操作前征求用户同意。
Hacker News · AI 最新AI 评分6262 Ringee：面向人类团队与 AI 语音代理的开源呼叫平台
Ringee 推出开源呼叫基础设施，让人类销售团队与 AI 语音代理共用同一套呼叫栈。团队版 $20/月、不限用户数，通话按量计费、最低 $0.012/min，支持自托管与 SIP/PBX 对接；AI 语音代理可负责接听、预约、提醒与回拨，并能通过 MCP、CLI 或 API 接入 ChatGPT、Claude 等客户端。
Hacker News · AI 最新AI 评分5454 AI 驾驶教练模拟器开发者每天花费超 1000 美元维持 demo 运营
Easy Fox 开发的 AI 驾驶教练模拟游戏《Teach My Little Sister How To Drive》demo 玩家一个月内增长超 20 倍（约 450 人同时在线），导致其每天在 AI 服务上花费超过 1000 美元，工作室已申请银行贷款维持 demo 运营。
Hacker News · AI 最新AI 评分4949 Show HN: Mira AI 步行导览
Mira 是一款 AI 语音导览工具，让用户在桌前即可游览各地，边看街景边听讲解。旧金山和巴黎的导览无需注册即可使用，登录后可解锁其他城市与自定义导览功能，新用户有 30 分钟免费时长。
TechCrunch · AI 高管们认为语音 AI 尚未迎来它的 ChatGPT 时刻
PolyAI CTO Shawn Wen 表示，尽管已实现全双工模型，语音 AI 尚未迎来“ChatGPT 时刻”，下一步挑战是让推理足够快以使对话自然。Otter CMO Alex Gay 认为，说话人识别、意图捕捉与结合组织知识的记录是关键，公司正研发能在会议中代表用户的数字孪生技术。两人还强调，ASR 模型的准确度与录音透明度直接决定用户对平台的信任。
36氪AI 评分4848 苹果通过反向人才收购拿下Huxe
苹果已达成协议吸纳个性化音频初创公司Huxe的团队成员与相关技术，交易属于反向人才收购。苹果向欧盟委员会报备称，将向“Huxe AI的部分员工”发出录用邀约，并获得Huxe知识产权的非独占许可授权。Huxe创始团队此前供职于谷歌NotebookLM项目，该公司已于5月21日宣布关停业务并删除全部用户数据。
OSCHINA 社区AI 评分2929 SmartCall v1.0.8 发布，新增坐席可配置手机接听
SmartCall 发布 v1.0.8 版本，新增坐席可配置手机接听功能。SmartCall 是一套基于 AI 大模型与 Asterisk 通信引擎构建的智能客服呼叫中心系统，融合了 AI 语音机器人、智能 IVR 流程编排、端到端双工对话模型、实时 ASR、TTS 及大模型意图识别等能力，覆盖从呼入智能应答到智能外呼的全链路场景。
TechCrunch · AI Apple 披露协议：聘用个性化播客创业公司 Huxe 团队并获得技术授权
Apple 向欧盟委员会披露，已与个性化音频创业公司 Huxe 达成反向收购式招聘协议，将向部分员工发出聘用要约并获得其知识产权的非独家授权。Huxe 由曾参与开发 NotebookLM（现更名 Gemini Notebook）AI 播客功能的开发者创立，已于 5 月 21 日宣布停止服务并下架应用。文件未披露具体获聘人选及 Apple 的后续计划。
Hacker News · AI 最新AI 评分3737 Autonomous Lamp：搭载 ElevenLabs Eleven v4 与 Jev 分层推理的自主 AI 台灯
Autonomous Lamp 是一款售价 $499（原价 $999）的自主 AI 台灯，将于 11 月 30 日免运费发货，其最新语音已接入 ElevenLabs Eleven v4，情感表现更丰富。
Hacker News · AI 最新AI 评分5959 我们让 AI 致电 1000 家旧金山商家，测试商家对 AI 的准备度
作者在 SF Tech Week 期间让 AI 以自报 AI 身份的方式致电旧金山各品类商户，测试本地商业对 AI 来电的准备程度。结果只有约 1/3 的商家在接听后继续对话，兽医接受率 79%、牙医 61%，酒吧和干洗店约 20%；约 1/25 的商家已用 AI 前台接听电话。作者提醒样本仅限一座城市、一周时间。
Hacker News · AI 最新AI 评分3434 真人伪装的 AI 比纯“AI”造假更令人毛骨悚然
作者发现本地药房电话由语音逼真的“Caroline”接听，银行邮件也由署名 Sarah 的 AI 回复且没有任何免责声明。这些系统初期表现自然，一旦出现胡言乱语便暴露本质，被问及是否为人类时甚至谎称自己是真人。这种让人类冒充 AI 的“反向半人马”做法，比纯粹的 AI 造假更令人不安。
Hacker News · AI 最新AI 评分6161 SpeakoFlow：支持 Windows、macOS 与 Linux 的免费开源语音听写和 AI 助手
SpeakoFlow 是一款免费开源的语音听写与 AI 助手应用，支持 Windows、macOS 和 Linux，语音默认在本地转录，无遥测、无账号。它用三组快捷键分别触发听写、问答和语音对话，助手可调用内置离线引擎、Ollama、LM Studio 或 OpenAI、Anthropic 等云服务，听写目录内置 65 个语音模型。
36氪AI 评分5959 Tavus Griffin-Lite 视频对话几可乱真，48% 受试者误以为对方是真人
美国旧金山 AI 视频公司 Tavus 发布新模型 Griffin-Lite，在 54 名受试者参与的一分钟视频通话测试中，有 26 人（48%）误以为对方是真人。上一代系统在同一测试流程下仅有 2.4% 的受试者作出同样判断。Tavus 称这是首个通过“视频图灵测试”的实时视频对话模型，Griffin-Lite 可在双方同时说话时实时附和或打断，如同真人聊天。
Hacker News · AI 最新AI 评分5858 Suno 是新的 auto-tune，探访用 AI 走红的签约艺人
专访用 Suno 修饰人声的艺人 Kilo Kent 与 Zemi，两人同签 Isekai Records，坚称 AI 只是像 auto-tune 一样的工具而非替代创作。厂牌此前因 AI 模仿 Jorja Smith 的歌曲被 Spotify 下架，换真人演唱重新发布后已超 2.5 亿次播放。专家指出 AI 辅助与 AI 生成之间并无清晰界线，而是从微调到流水线 slop 的连续谱。
Hacker News · AI 最新AI 评分2929 Telnyx 全渠道上下文携带 Agent：跨邮件、语音和 SMS 的客户上下文连续性
Telnyx 推出全渠道上下文携带 Agent 示例，用 Email、Messaging、Call Control 和 AI Inference 四个 API 实现跨渠道身份解析与上下文携带。
The Verge · AIAI 评分6363 Google AI Edge Foresight 发布，可完全离线转录会议并生成笔记
Google 发布实验性 AI 笔记应用 Google AI Edge Foresight，可在 macOS 上完全离线转录会议和音频，免费使用，基于端侧 EmbeddingGemma 2 模型。
奇客 SolidotAI 评分6464 美国男子因 AI 生成音乐和机器人账号欺诈播放被判 18 个月
54 岁的美国北卡罗来纳州男子 Michael Smith 因 AI 辅助流媒体欺诈被判入狱 18 个月，并上缴 8,091,843.64 美元非法收入，检方称他是首位因此类行为被刑事起诉的美国人。
量子位 · 行业解读AI 评分4646 蚂蚁集团×浙江大学提出 TRACE：让 AI 在流式对话中按需推理、读懂情绪
蚂蚁集团与浙江大学提出面向流式视频情绪理解的 TRACE 框架，通过跟踪模型预测轨迹评估判断可靠性，并按需引入多模态上下文重判。团队同时构建流式评测数据集 StreamMER，在 StreamMER 上将仅在线音频判断的准确率从 59.87% 提升至 69.47%，同时避免 44.42% 的上下文重判调用。
Hacker News · AI 最新AI 评分6666 Dialtrace：看清语音 AI 通话的时间都花在哪了
作者发布开源工具 Dialtrace，把运营商通话事件与自有语音管线阶段画在同一条时间线上，帮助团队定位通话等待时间的真实来源。文中实测，一通从美国号码拨给荷兰手机、链路完全没有 AI 的通话，主叫摘机后仍等了 640ms 才听到声音；另一次 7,000ms 的通话中 setup 与振铃合计 3,789ms 且不计入百分比，自有管线 1,378ms 占 85%。
Hacker News · AI 最新AI 评分4949 Show HN: VoiceGremlin，一款针对 AI 电话智能体的自动化测试 SaaS 工具
VoiceGremlin 是一款用于对 AI 电话智能体进行自动化测试的 SaaS 工具。用户通过 API 发起测试请求，即可验证智能体是否在首条消息中披露其 AI 身份与录音行为。测试完成后，接口会返回运行状态与每项检查的通过结果及原因。
Hacker News · AI 最新AI 评分3434 Google 的 AI 电话未来或可替你和你妈聊天
Google 的 AI 电话功能未来或可代替用户与家人通话。该功能允许 AI 拨打日常电话并代为沟通，目前相关能力仍在探索中。
Hacker News · AI 最新AI 评分3434 Friday Assistant：用 Flutter 打造的语音激活个人 AI 伴侣
Friday Assistant 是一款基于 Flutter 构建的语音激活个人 AI 伴侣，采用“科幻优先”设计理念。它由 Groq API（Llama 3.3 70B）驱动推理，具备长期记忆、实时网络访问和后台主动哨兵模式，支持 Android、iOS、Web 和 Desktop 多平台。个人数据通过 Supabase 加密保管库保护，该项目基于 MIT License 开源。
Hacker News · AI 最新AI 评分4444 Show HN: Prevo — 面向签证、入籍、求职与融资路演的 AI 语音面试官
Notside, LLC 推出 AI 语音面试应用 Prevo，覆盖签证、美国入籍、融资路演和求职四类场景。用户开口练习时，Prevo 会倾听、追问模糊回答，并从清晰度、信心、一致性与回答质量给出准备度评分。Quiz Mode 免费且无限使用，语音 session 则需一次性购买 credits。
Hacker News · AI 最新AI 评分7474 诈骗者用 AI 冒充高管语音，从 Intesa Sanpaolo 旗下 Fideuram 骗走 9500 万欧元
诈骗分子利用 AI 冒充 Intesa Sanpaolo 高管和律所合伙人语音，从其私人银行部门 Fideuram 骗走 9500 万欧元。