亚马逊今年没有办秋季硬件大会，改为 10 月内分批发布：Fire TV、Kindle、Alexa Tablet Pro 12、Ring 首款智能锁、Bee 可穿戴新品、Blink 4K 摄像头。本周在纽约的小型活动上，设备与 Alexa 高级副总裁 Panos Panay 用约 45 分钟发布 5 款 Echo 产品：Echo Show 16、Echo Time、Alexa Photo Frame、带家庭摄像头的 Echo Studio 和新 Echo Dot。Echo Show 新增专属主屏、智能家居 3D 地图…
推荐理由想了解亚马逊智能家居新品和 Alexa Plus 新能力的人，可快速掌握 5 款 Echo 新品与 Card 对话界面。
语音 AI 平台 Retell AI 的月通话量从 2026 年初的 3000 万增长到 9 月的 1 亿以上，服务超过 4000 家企业。目前 80% 的通话由 OpenAI 模型生成回复，客户的问题解决率超过 80%，累计消耗的 OpenAI 模型 token 超过 1 万亿。Retell 自建的 vCX 基准测试显示，GPT-6 Astra 在指令遵循上以 89.7% 排名第一；GPT-6 Astra 发布前的评测中，GPT-5.5 在开启推理时，非幻觉率 88.0%、工具调用正确率 88.3%，均高于 Ge…
推荐理由做语音 Agent 的可参考：80% 通话由模型生成、解决率超 80%，以及 vCX 基准的模型对比数据
Jack Dorsey 旗下 Block 发布语音模型 Dessa，称其完全基于人类对话数据从零训练，是真正的语音到语音模型，可在 MacBook Pro M4 Max 或更高配置上本地运行。官方展示的对话样本有自然往返，但偶尔出现把说话人误认成“Ronaldo”之类的错位。团队称开发动机是好奇心、增进人机理解与安全，并指出当前语音 AI 把语音压成文本、跟不上人类节奏、听不出情绪。Dessa 将向小范围 AI 安全研究者开放早期访问。
推荐理由语音模型开始绕开文本中转，本地可跑，做语音 Agent 的可以留意这条路线
Spotify 周二宣布，iPhone 升级到 iOS 27 后，用户向 Siri 点播音乐、播客、有声书等内容时不再需要说「on Spotify」。Siri 会学习用户的音乐 App 偏好，若长期使用 Spotify，音频请求将自动路由到该应用。该功能还支持请求个性化推荐、继续播放播客、搜索曲库，以及用 AI 创建 Prompted Playlist。功能面向全球 iPhone 15 Pro 及更新机型、且已在设置中开启 Apple Intelligence 的用户，欧盟地区除外。
推荐理由用 iPhone 15 Pro 以上、开了 Apple Intelligence 的 Spotify 用户
苹果将于 10 月 13 日在纽约举办首届智能家居专场活动，预计发布智能显示屏（或名 HomeView）、新款 HomePod Mini 和 Apple TV。据 Bloomberg，智能屏配 6 英寸方形屏幕，可壁挂或置于音箱底座，支持人脸识别显示个人消息与日历、控制门锁和恒温器、FaceTime 与对讲，售价或为 350 美元。该设备将搭载围绕 Siri AI 打造的全新 homeOS。苹果是三大巨头中最后一个把生成式 AI 引入家庭助手的公司，Amazon 和 Google 去年已推出相关产品。
推荐理由看苹果智能家居首秀的硬件规格、350 美元定价和 homeOS 软件路线
Mira 是一个 AI 语音导览产品，在用户浏览街景时同步讲解周边景物。旧金山和巴黎的导览对所有人免费开放、无需注册；其他城市及用户自建导览需登录，注册后赠送 30 分钟免费时长。官方称登录用于区分真人与机器人。目前该产品在 Hacker News Show 板块获得 16 点热度。
推荐理由想体验 AI 语音导览或做 LBS 语音讲解的，可免费试旧金山、巴黎两条线路
Google 发布 AI Edge Foresight，对标会议笔记工具 Granola。该应用为离线会议记录器，可在设备端完成对话转录、生成笔记并回答问题，无需联网。原文信息有限，未披露支持的平台、上线地区和具体发布时间。
推荐理由常开线上会议又担心录音上传云端的人，可以留意这款纯端侧转录工具
在东京独居四年的开发者发布 Before I Call，用户描述要打的电话（房屋维修、诊所、快递、市政厅等），AI 扮演对方用礼貌日语一问一答，不评分。卡住时可点 Explain question 看解释和可用回复，AI 看不到；支持 0.7 倍速重放、重复提问、汉字标假名和罗马音。挂断后生成通话卡片，含全文读音、释义和生词表，可下载 PDF 当真实通话的备忘单。应用不会编造日期、价格或可用性，也不能代为预约，仅用于练习。
推荐理由在日生活或学日语的人可免注册试用，通话记录能直接导出 PDF 当话术卡
AI 音乐生成器 Suno 新增 Speech 功能，用户输入文字或创意并描述想要的音色和音乐风格，模型会一次性生成语音和配套背景音乐，合成单条音轨。产品负责人 Jack Brody 称该功能已小范围测试一个月，可用于诗歌、冥想和睡前故事，但测试版仍有 bug，例如英式口音有时会听起来像澳式口音。Suno 未透露训练方式。目前 AI 音乐生成器正面临版权侵权批评，多家主要唱片公司已起诉 Suno，慕尼黑法院近期也作出不利于该公司的裁决，拒绝将合理使用作为使用受版权保护数据的理由。
推荐理由做播客、有声内容或冥想音频的可以试，一个输入同时出人声和配乐，省掉后期配乐环节
AI 语音公司 ElevenLabs 估值翻倍至 220 亿美元。此次 3 亿美元的员工股权转让（tender offer）由 Wellington 和 T. Rowe Price 联合领投。原文信息有限，未披露融资总额、公司营收等细节。
推荐理由语音合成赛道估值标杆，3 亿美元员工股权转让由两家老牌资管联合领投
亚马逊发布新款 Fire TV Stick 4K，售价 59.99 美元，今日开售。最大变化是不再需要电源适配器，可直接通过电视 USB 口供电，设置更简单。设备搭载更新版 TV OS，支持 Wi-Fi 6、蓝牙 5.3 和低功耗蓝牙。产品线从五款精简为四款：Fire TV Stick HD、4K、4K Max 和 Fire TV Cube，新款 4K 取代此前的 Select 和 Plus 版。同步推出重新设计的遥控器，售价 14.99 美元，10 月底发货，兼容 2019 年起的 Ember 电视和 Fire …
推荐理由流媒体硬件与 Alexa AI 整合的更新，关注智能电视入口和语音助手落地的读者可看。
彭博社 Mark Gurman 报道，苹果传闻已久的智能家居中枢将于 10 月 13 日与新款 HomePod mini、升级版 Apple TV 一同亮相，三款产品均主打 Siri AI。该中枢是苹果新品类，配 6 英寸屏幕，可壁挂或置于台面，厚度约与 iPhone 相当，边框类似旧款 iPad；采用圆形金属底座内置扬声器和麦克风，屏幕可倾斜，另售壁挂版本。设备无电池，用 USB-C 供电，提供标准灰色铝金属配色。系统围绕 Siri AI 打造，倾向 iPad 式应用，Messages 为双栏布局，支持控制智能设…
推荐理由想了解苹果 AI 硬件落地节奏的人可看：10 月 13 日发布、6 英寸屏、USB-C 供电等具体信息。
Konrad Zieliński 因癌症失去声音，2023 年创办 Uhura Bionics，推出两款非侵入式可穿戴发声设备，高端款名为 Whitney，售价 1500 美元，基础款 500 美元。设备无需手术，可让喉切除者说话并带情绪、笑、喊甚至唱歌。目前按健康设备销售需自费，公司正申请欧洲和美国 Class I 医疗器械认证，以获得部分医保报销。他估计喉切除者设备市场约 20 亿美元，竞争对手包括 Atos Medical 和 Laronix。下一步将增加女性高音选项和个性化音色。
推荐理由喉切除者发声设备 1500 美元，正申请 Class I 认证走医保，做医疗 AI 硬件的可看定价与合规路径
会议记录工具 Fireflies.ai 在 Mac 和 Windows 桌面应用中推出听写功能 Fireflies Talk，用户按 Mac 的 Fn 键或 Windows 的 Ctrl + Win 键即可在任意应用中开始口述，语音会被转写并整理进当前文本框。该功能打包进现有订阅，不单独收费。公司称不保留录音，转写文本仅存本地。CEO Krish Ramineni 表示，人说话速度约为打字的 3 倍，会议只是起点，目标是让 AI 助手 Fred 覆盖全天工作场景。此前 Fireflies 已推出会议洞察 mini-…
推荐理由已在用 Fireflies 订阅的用户可直接免费用上听写，对标 Wispr Flow 等付费工具
Tarini Padmanabhuni 的祖父被一段冒充其兄弟声音的深度伪造语音诈骗后，她在旧金山创立 DetectifAI，开发小到可直接在智能手机上运行的 AI 模型，实时识别伪造语音。该公司目前是 TechCrunch Disrupt 创业竞技场（Startup Battlefield）的参赛公司之一。原文信息有限，未披露融资、团队规模与识别准确率等细节。
推荐理由端侧实时语音鉴伪的创业样本，可了解深度伪造诈骗这一真实需求场景
波士顿语音智能公司 Modulate 完成 2500 万美元新融资，由 Future Ventures 领投，Hyperplane、Lakestar 参投。此前公司累计融资 4100 万美元，估值 1.7 亿美元。Modulate 成立于 2017 年，最初做游戏变声，现运行 100 多个小模型，分两类：信号提取模型识别情绪、语气、语言和合成语音；分析检测模型判断通话意图、是否违规或诈骗。客户主要是呼叫中心等受监管行业，用于深伪检测、诈骗预警、AI 客服合规与通话质量评估。公司称用小模型无需专用硬件，token 成…
推荐理由语音 Agent 合规与反深伪是刚需，100 多个小模型做意图分析，做客服和风控的可以看
Google 本周发布多项更新：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款音频生成模型；Gemini 3.8 Live 加入 Live Avatar，为对话式 AI 带来近实时视觉形象；Gemini Notebook 推出交互式学习概览和移动端实时语音对话，覆盖约 100 种语言；去年公布的登月项目 Project Suncatcher 将发射原型卫星，在轨道测试 Google TPU，探索太空太阳能 AI 算力。
推荐理由一次看清 Google 本周 5 项更新，含两款 TTS 模型和约 100 种语言的实时语音
ElevenLabs 年经常性收入（ARR）达 6 亿美元，投资方对其估值 reportedly 为 220 亿美元，公司成立仅 4 年。CEO Mati Staniszewski 表示，55% 以上收入来自大型企业客户，其余 45% 中很大一部分是中小企业、开发者和创作者。Klarna 用其语音模型为 3500 万美国客户提供一线电话客服，Deutsche Telekom、Cisco、Adobe 及多国政府也在使用。他提到音频模型质量差距仍显著，但三到五年后会缩小，公司目标是率先通过对话式 AI 的图灵测试。
推荐理由语音 AI 商业化最猛的样本：4 年做到 6 亿美元 ARR，客服场景可直接对标
VOYGR 团队（两位前 Google Maps/Search 员工）在 Hacker News 发布 PlaceCall，一个让 Agent 和 App 直接致电商家的 API，首个场景是核实商家是否营业。团队称痛点来自自身经历：Google Maps 上的商家营业信息常不更新，连 Google 内部也难解决，于是自建 API 并先在内部使用。产品已入选 YC W26。原文正文在讲述 7 月 4 日波特兰找餐厅的经历处被截断，后续细节信息有限。
推荐理由做本地生活或 Agent 工具的可看：把「打电话核实营业」这类脏活封装成 API，省去自建语音外呼
Google 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型。Flash TTS 支持用文字提示定义音色的角色、口音和声线特征，内置 2000 多种预设音色（含墨西哥西班牙语、魁北克法语、苏格兰英语等地区变体），支持 100 多种语言；用 30 秒音频样本即可克隆音色，但需被克隆者录制同意声明。两款模型均支持逐句舞台指示、双人对话模式，可生成数小时音频且说话人漂移极小。Flash-Lite 面向配音、音频内容和语音 Agent 的低成本规模化场景。所有生成音频带 …
推荐理由做语音 Agent 或配音的可以看：2000+ 预设音色、30 秒克隆、100+ 语言，还有实测暴露的杂音问题
Google DeepMind 推出两款文本转语音模型：Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS。前者面向角色设计与创作，可用自然语言提示从零生成全新声音，支持 100 多种语言和方言，提供 2000 多个成品音色，并可用 30 秒音频样本复刻音色；后者面向高并发、低成本的配音和语音 Agent 场景。两款模型已在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vi…
推荐理由做配音、有声书或语音 Agent 的可以直接用，30 秒样本复刻音色，2000+ 现成音色覆盖 100 多种语言