从一通电话到全球化 Agent：实时互动产品的五个工程关口
在 2026 iRTE 实时智能大会·声网专场，声网以“Convo Agent 是 AGI 的实时口试”为主线，拆解实时 AI 产品化的五个工程关口。电话 Agent 通过轮次检测与任务判断优化，误打断率下降 10 个百分点，一个项目经 12 周迭代后支撑每天 500 万次呼叫，仅 3.5% 的用户能听出不是真人。
#语音
人人都是产品经理AI 评分3737 人人都是产品经理AI 评分6161 腾讯Chatterfly升级：实测从语音输入法到AI原生语音Agent的七项能力
作者实测发现腾讯Chatterfly已从语音输入法大幅升级为AI原生语音Agent。新增语音AI指令可联网检索直接回复并支持多轮追问，内置多场景Skills自动识别输入场景进行深度润色，还支持中英互译。语音历史按分类整理并仅保存在本地，目前macOS、Windows桌面版已推出，iOS、Android移动端APP即将发布。
量子位AI 评分6363 小米开源AI硬件HachimoDock，自制成本约150元并引发元件涨价缺货
小米孵化团队推出开源AI硬件HachimoDock（哈基米机），硬件自制成本约150元，软件源码已在GitHub公开，硬件物料清单和装配教程提供于嘉立创平台。它支持语音指挥电脑端Agent执行任务并展示进展，可自定义桌宠形象和外观，通过xiaomi Miloco联动控制智能家居，还支持用自然语言创作可运行的自定义组件；受热度影响，所用开发板和屏幕等元器件出现涨价和缺货。
人人都是产品经理AI 评分5252 Block 旗下 Dessa 语音模型解析：从声音学习、全双工，让模型更会聊天
作者分析了 Block 旗下语音模型 Dessa 如何把聊天细节当正题，从零只用人类对话音频训练、不用文本和预训练模型，支持全双工，能笑、能停顿、能改口。该模型源自 2020 年被 Square（现 Block）收购的多伦多创业公司 Dessa，目前仍为研究预览，未开放下载或 API，本地运行需 MacBook Pro M4 Max 或更高配置。
The VergeAI 评分4141 HomePod Mini 2 上手体验：三个惊喜与一个失望
The Verge 编辑试用了售价 $149 的 HomePod Mini 2，最大的提升是响应速度：Siri 搭载 S10 芯片（原为 S5）和 Wi-Fi 6E，多数指令可在 3 秒内响应，远快于一代最长 10 秒的等待。
品玩AI 评分5959 Pika 基于 MiniMax H3 开源 H3 Flex，六步去噪实现音视频联合生成
Pika 发布 MiniMax H3 衍生模型 Pika H3 Flex，开放适配器权重与推理代码，通过六步去噪联合生成画面和同步立体声音频，支持文本、首尾帧和多模态参考输入，可生成约 5 至 15 秒、原生 480P/768P 视频。
人人都是产品经理AI 评分4343 腾讯音乐推出 AI 音乐创作产品 MusicBuddy，Buddy 家族再添一员
腾讯音乐推出 AI 音乐创作产品 MusicBuddy，官网已上线，目前处于内测阶段。产品覆盖灵感、创作、编辑、发行、宣推、经营六个环节，支持多模型创作、DAW 分轨编辑，并可展示发行至 QQ 音乐、酷狗音乐及 Spotify、Apple Music 等平台。其目标是帮音乐人实现“一人厂牌”（OPC），并借助腾讯音乐的内容生态建立差异化优势。
量子位AI 评分3939 联想天禧AI 4.5 AIPC端发布，“超能模式”打造职场超能搭档
10月30日，联想天禧AI 4.5 AIPC端正式发布，至此实现AIPC、AI平板、AI手机多端覆盖。新升级的“超能模式”打通飞书、企业微信等应用连接器，支持一句话跨应用执行任务；AI妙记可实时转录并作为“参会者”参与脑暴，知识库问答文件上传扩展至20个。
The VergeAI 评分2525 星巴克计划用 AI 在得来速展示“个性化数字菜单”
星巴克 CEO Brian Niccol 在财报电话会上表示，公司将探索在顾客到达得来速时识别参与计划的顾客、展示个性化数字菜单并简化支付。星巴克还将从 2027 年起在得来速测试后台 AI 模型，帮助咖啡师更准确高效地录入订单，并计划把 AI 融入 app 的搜索与发现功能，未来可能支持“对话式和智能体”下单。
品玩AI 评分2222 创维发布 Sound BR、Sound N3 Max、Sound QR 三款 AI 中文助听器
创维在秋季全场景新品发布会上推出三款 AI 中文助听器：耳背式 Sound BR、颈挂式 Sound N3 Max 和耳内式 Sound QR，分别面向重度与中重度听损人群。Sound BR 搭载 5 核异构 12nm AI 芯片、64 个独立声信号处理通道，并针对中文四声调与 zh/ch/sh 轻辅音做专项算法优化。产品提供上门及远程视频 AI 验配，全国 90%+ 区县可预约工程师上门服务。
品玩AI 评分1818 阶跃星辰与 Builder 们在 ACC 的五天：把模型能力带进真实世界
阶跃星辰与硅星人在 ACC 2026 的五天里举办首届「AI 创业练习生」，开发者用阶跃模型完成从初舞台 Demo 到最终路演的产品迭代。活动提供 Step Plan 权益与模型开发资源，并安排技术、增长、投资导师分享。最终星空少儿英语获第一名，Plain 与桌面 AI 硬件项目 Aura 分获第二、三名。
人人都是产品经理AI 评分3333 声音直播正在批量制造地下偶像：克拉克拉如何用 CV+广播剧+有声直播跑通情感叙事
克拉克拉以 CV+广播剧+有声直播的模式，把角色扮演转化为虚拟恋人偶像，头部主播开播房间在线人数可达千人，单个主播年流水超千万级，整体营收规模已属语音平台 top。其路径依赖同人圈层与女性向浪漫爱叙事，用户增长存在瓶颈。文章还提到 AI 恋人产品 Tipsy 月收入已达千万美元级别，认为 AI 虚拟恋人与有声直播结合值得探索。
TechCrunchAI 评分4242 Granola 推出听写功能，与 Wispr 正面竞争
以会议记录工具起家的 Granola 上线听写功能，用户按 Fn 键即可说话，工具会自动清理并格式化语音、输出最终文本，且适用于所有应用。该功能目前仅支持 Mac，免费且不限字数，将很快登陆 iOS 和 Windows。Granola 与 Wispr 估值分别为 15 亿美元和 20 亿美元，后者此前已从听写切入会议记录。
TechCrunchAI 评分3838 Rivian 与大众 58 亿美元合资公司扩展至 AI 助手，技术授权给 VW
Rivian 将其 AI 语音助手技术的部分元素授权给大众集团，纳入双方 58 亿美元合资公司范围。该助手 2026 年 5 月已上线 R1S 和 R1T，10 月扩展至 R2 SUV，可能首搭大众低成本电动车 ID EVERY1。Rivian 未披露授权费用与具体车型。
雷锋网AI 评分4949 《不问凡尘》：20人团队用火山引擎 AI 9个月做出26万玩家买单的超写实互动作品
约20人团队用9个月开发的AI互动作品《不问凡尘》上线 Steam 三周获87%好评率，预估流水近千万，玩家超26万。制作依托豆包 Seedance 2.0/2.5、Seedream 5.0 Pro、Seed TTS 等模型，并借助 TRAE 与 Agent 工作流搭建自动化管线，整体成本约为传统制作的1/3。视频通过图层拆分与状态机实现交互，后续还将接入火山方舟版权中心提供企业合规授权。
品玩AI 评分6060 《不问凡尘》：20人团队用豆包系模型9个月做出26万玩家买单的AI互动作品
约20人团队用9个月开发、成本约为传统1/3的AI互动作品《不问凡尘》上线Steam三周，获87%好评，超26万玩家游玩，预估近千万流水。其核心资产由豆包Seedance、Seedream、Seed TTS结合Seed Character生成，项目组用状态机连接图层和玩家输入、并以TRAE与Agent工作流串联自动化生产，背后依托火山引擎的模型调用与算力服务。
TechCrunchAI 评分5353 Nvidia 发布开源转录模型 Nemotron 3.5 Transcribe，支持 40 种语言
Nvidia 于周三发布免费开放权重模型 Nemotron 3.5 Transcribe，可转录最多 40 种语言的音频，并同步发布开源语音数据集 Granary 2。
The DecoderAI 评分6969 Nvidia 开源 Nemotron 3.5 Transcribe，整合转录、翻译与说话人识别
Nvidia 发布开源语音识别模型 Nemotron 3.5 Transcribe，可转录 40 种语言、在 31 种语言与英语间互译、识别 13 种语言的说话人，支持最长 1 小时、最多 8 名说话人的录音。
人人都是产品经理AI 评分4747 Workbuddy 实战案例：英语课堂实时互动教学动画与小游戏开发
一位大学老师用 Workbuddy 为初中英语第8册《六尺巷》课开发互动动画网页，全程不写代码、大白话描述需求，经 4 个多小时上线。网页让学生与虚拟英语老师“张英”英语问答，接入 DeepSeek 大模型做语义理解、腾讯云语音识别，语音可选用 Minimax API 或免费方案，核心开发流程仅耗时 42 分钟。文中还附舒尔特方格小游戏案例，支持 3×3 到 9×9 方格，用于注意力训练。
NVIDIA Blog精选AI 评分5858 NVIDIA RTX Spark 笔记本新增多厂商机型，并发布 Nemotron 3.5 Transcribe 语音模型等更新
NVIDIA 宣布 RTX Spark 笔记本现已由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 出货，起价 $2,599，搭载 Blackwell RTX GPU 与 Grace CPU 合封超芯，最高 128GB 统一内存和 1 petaflop FP4 AI 性能。
推荐理由：官方汇总了 RTX Spark 笔记本新品与端侧 AI 更新，开发者可据此了解语音转录、Agent 资源调度等本地部署选项。
WiredAI 评分5757 Amazon 发布五款 Echo 新品，Echo Show 16 搭载 AI 生成界面 Neo
Amazon 于周三发布并开售五款新品：Echo Dot（$100）、带摄像头的 Echo Studio（$250）、Echo Show 16（$500， introductory 价 $400）、Echo Time（$200）和首款 Alexa Photo Frame（$200）。
品玩AI 评分4141 讯飞输入法16.0发布：为“意图成稿”打造全新个性化AI键盘
科大讯飞于10月22日在全球1024开发者节AI文娱论坛上发布讯飞输入法16.0，实现第三代语音输入“意图成稿”，用户说出表达意图即可生成并润色成可用文稿。新版本通过任务级信息卡、短时任务记忆与长程习惯记忆复用背景，并按场景匹配表达技能，目前平台已有超15万名创作者创建30万个表达技能、覆盖超1万个表达场景，超60%的AI键盘用户已塑造专属键盘。
人人都是产品经理AI 评分5858 腾讯混元上线并开源实时同声传译大模型 Hy-SimulMT，接入 Hy 翻译 App
腾讯混元团队上线并开源实时同声传译大模型 Hy-SimulMT，支持中英双向语音到语音翻译，主打低延迟、高质量和实时克隆音色，已接入腾讯 Hy 翻译 App 的「同传」入口。
品玩AI 评分4343 从实时语音到“双脑协作”，网易有道首席科学家段亦涛的AI产品思考
在CNCC2026“从Token到价值”论坛上，网易有道首席科学家段亦涛分享了公司AI落地实践：流式语音识别模型R2T2和流式同声翻译模型T3PO开源后均登顶Hugging Face相关热榜，R2T2下载量超15万。他还介绍了研究平台“有道有据”，主张其既是AI的Harness也是人脑的Harness，通过“双脑协作，1+1大于2”让用户在完成任务中持续积累成长。
OpenAI NewsAI 评分2828 Retell 使用 OpenAI 模型支撑每月 1 亿次通话
Retell 使用 OpenAI 模型支撑其每月 1 亿次语音通话。GPT-6 Astra 在 Retell 的语音智能体评测中排名第一，Codex 则帮助公司实现人均 160 万美元的年化收入运行率。
雷锋网AI 评分4242 千问办公接入乐奇AI眼镜，一句话语音发起任务
10月27日，乐奇Rokid与千问办公宣布合作，千问办公正式接入乐奇AI眼镜。用户在“Rokid AI”App智能体商店添加并绑定账号后，可语音唤起千问办公下发任务、结合眼镜拍摄画面追问，结果在眼镜端查看，执行中会实时推送状态通知。乐奇Rokid提供硬件、系统适配和交互入口，千问办公负责理解语音、图像与任务意图并编排工具生成结果，用户还可借此一句话发起钉钉中的办公任务。
TechCrunchAI 评分5050 Apple 推出 iOS 27.2：Siri AI 新增五国语言与记忆功能，并修复超 160 项安全问题
Apple 发布 iOS 27.2 更新，Siri AI 以 beta 形式新增法语、日语、韩语、葡萄牙语和西班牙语支持，并能记忆过往对话细节后据此回答，可调用 Messages 照片、日历参与者、语音留言、Safari 历史等来源，用户可排除特定应用。
人人都是产品经理AI 评分4848 Soul将推出Loxinity：自研语音、视觉与多模态交互产品
Soul 将推出面向实时交互场景、主打强活人感的音视频产品 Loxinity（洛希无限），下辖语音合成模型 Loxi Speech 和视频生成模型 Loxi Avatar。
WiredAI 评分5757 Entravision 推出西语 AI 电台主播 Coyotec，收听率显著增长并引发行业争议
Entravision 在洛杉矶 José 97.5 FM 推出 AI 电台联合主播 Coyotec，2025 年 9 月首次亮相后与人类主播 Geraldine Guzman 共同主持 Al Aire y Sin Permiso 节目，节目自 8 月起在加州、内华达和得州的五个新市场联合播出。
量子位AI 评分3434 OpenAI和Gemini共同选择的实时语音交互方向，凭什么是中国的声网？
刚落幕的 iRTE2026 实时智能大会上，声网成为支撑实时语音交互全链路的中国厂商，OpenAI 的 GPT-Realtime 与 Google 的 Gemini Live 同样押注实时交互方向。
雷锋网AI 评分2929 iRTE2026：声网CEO赵斌提出“五级对话能力”框架，探讨对话式 AI 如何迈向 AGI
10月23日，声网创始人兼 CEO 赵斌在 iRTE2026 实时智能大会上提出“五级对话能力”框架，将对话式 AI 从“问一句、答一句”到基于深度关系的沟通划分为 L1 至 L5 五个层次。
雷锋网AI 评分3030 支付宝携手科大讯飞升级智能座舱服务，启动「讯宝计划」
10月21日，支付宝车载助手接入讯飞星火智慧座舱3.0并启动「讯宝计划」，依托讯飞汽车 Master Agent 推出高速无感通行、停车无感支付、顺路取快递、智能点单四大服务场景。星火智慧座舱负责理解需求与调度，支付宝提供生活服务与支付履约，双方还将深化账号互通、车载AI付、车主信用先享后付等合作。
The DecoderAI 评分4343 Block 发布纯语音训练的 AI 语音模型 Dessa，可实时捕捉情绪
Square 和 Cash App 母公司 Block 推出 AI 语音模型 Dessa，称其为首个完全用人类语音、不含任何文本数据从零训练的模型。Dessa 直接以音频处理语音，可实时识别情绪、讽刺、笑声和停顿，支持全双工同时听说，并可在 MacBook Pro M4 Max 上本地运行。该模型尚未公开提供，团队先招募 AI 安全研究人员测试风险。
人人都是产品经理AI 评分3838 用WorkBuddy开发AI语音陪伴小程序“念音”，能做成一门生意吗？
作者构想了一款名为“念音”的微信小程序，用AI复刻亲人声音打造可对话的智能体，并连接心理自评与专业咨询服务。技术上拟用腾讯WorkBuddy辅助开发，声音复刻选阿里云百炼CosyVoice，语音识别和对话接入豆包，首版开发预算约6.3万元，WorkBuddy订阅预留2998元。收费上首购套餐暂定99元，每单服务成本约44元，剩余55元用于获客与分摊固定支出，产品目标指向帮助用户逐渐不再需要它。
TechCrunchAI 评分5656 Block 发布全双工语音模型 Dessa，可在消费级 GPU 上本地运行
Jack Dorsey 旗下 Block 的研究实验室发布全双工语音模型 Dessa，完全基于人类语音和单个 NVIDIA GPU 机架训练，可同时说话和倾听，带笑声、停顿、哭腔等情绪表达。模型可在 MacBook M4 Max 等消费级电脑上本地运行，目前未公开访问，Block 正召集安全研究人员测试。Square 已用语音 AI 处理点单，自研模型可望以更低成本支撑更多业务场景。
少数派AI 评分6969 60 元用小米蓝牙遥控器 2 Pro 打造 AI 编程掌上控制器
作者介绍用 50-60 元的小米电视蓝牙语音遥控器 2 Pro（型号 RC003）为 AI 编程工作流搭建掌上控制器，配合开源的 SayAll 和微信输入法实现按住语音键口述 Prompt、松手文字上屏，并用方向键切换终端 Tab 和 Workspace、按 OK 键确认或返回键中断。
品玩AI 评分3131 支付宝携手科大讯飞升级智能座舱服务，启动「讯宝计划」
10月21日，支付宝车载助手亮相科大讯飞智能汽车产品技术发布会，宣布与讯飞星火智慧座舱战略合作升级，正式启动「讯宝计划」。双方将围绕车主出行推出高速无感通行、停车无感支付、顺路取快递、智能点单四大生活服务场景，依托讯飞汽车 Master Agent 统一调度。未来双方还将在账号互通、车载AI付、车主信用先享后付等方向深化合作。
品玩AI 评分5353 讯飞输入法16.0发布：第三代语音输入实现意图成稿
科大讯飞在2026年10月22日的全球1024开发者节AI文娱论坛上发布讯飞输入法16.0，推出第三代语音输入"意图成稿"，用户说出表达意图后由输入法收集信息、组织内容并生成文稿，经确认后发送。
OpenAI NewsAI 评分2323 Anima 借助 GPT-6 与 GPT-Live 帮诊所将叫号等待时间缩短 75%
Anima 利用 OpenAI 的 GPT-6 和 GPT-Live 帮助诊所将叫号等待时间缩短 75%。该平台扩展了医疗团队使用 OpenAI 模型的能力，让他们有更多容量响应患者。
WiredAI 评分3838 Greenlight Family Hub 评测：首款带语音助手的数字挂历
Greenlight Family Hub 是一款带语音助手的数字家庭挂历，语音功能需每月 10 美元会员订阅。其 AI 助手基于前沿大语言模型并配合 Greenlight 自研的家庭安全工具，可设置计时器、回答日常问题，还整合了家庭定位与儿童财务管理。测试中唤醒词“Hey Greenlight”偏敏感、易误唤醒并持续监听。