Suno 发布 v6 下一代音乐模型，推出 v6、v6-wild、v6-mini 三档
Suno 发布 v6 新一代音乐模型，与 Warner Music Group、BMG、Believe 等行业伙伴合作开发，并最终以下一代模型替换旧模型。
推荐理由：原文由官方给出三档模型分工与具体编辑能力示例，读者可以据此判断新工作流是否适合自己。
语音与音频
全部主题AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。
当前仅显示精选新闻最新精选
第 21–40 条 · 共 83 条Suno Blog精选AI 评分6868
@testingcatalog@testingcatalog精选AI 评分6666 
推荐理由：谷歌把整曲生成模型 Lyria 3.5 同步铺到 AI Studio、Gemini app 与 API，可据此观察音乐生成在消费端和接口层的落地方式。
@GeminiApp@GeminiApp精选AI 评分7070 Gemini Live 面向全球免费开放。各集成功能的可用范围、兼容性和年龄限制存在差异，部分集成可能需要完成设置或订阅。官方博客给出了具体使用方式。
推荐理由：Gemini Live 免费向全球开放，读者可据此了解各集成功能在可用范围与年龄限制上的差异。
@rohanpaul_ai@rohanpaul_ai精选AI 评分6969 Google 发布 Gemini 3.5 Transcribe，一款不再逐字记录、而是输出用户本意的语音转写模型，现已通过 API 开放。
引用@sundarpichai@sundarpichaiSay hello to Gemini 3.5 Transcribe! - Build apps that understand user speech / intent, even w/ multiple speakers! - Auto-detection of 85+ languages out of the box - Custom vocab adaptation for specialized jargon... SGTM:) API available now in @GoogleAIStudio and Gemini Enterprise, or try it in the Gemini app on macOS or Rambler on Android! More details: https://t.co/AduutCb3M7
推荐理由：原文列出两个 API 端点各自的能力与时长限制，读者可据此判断语音转写在工作流中的可用边界。
Google DeepMind精选AI 评分6565 Google DeepMind 发布语音转写模型 Gemini 3.5 Transcribe
Google DeepMind 推出语音转文字模型 Gemini 3.5 Transcribe，定位为更精确的实时转写模型，已在 Gemini API（Google AI Studio 和 Gemini Enterprise Agent Platform）开启公开预览。
推荐理由：官方给出了两个 API 入口、WER 数字和与 Chirp 3 的对比，读者可据此评估其语音转写与语音交互场景的可用性。
FireRedTeam GitHub 新仓库精选AI 评分6161 FireRedTeam 开源 FireRedAudio 通用音频语言模型
FireRedTeam 发布 FireRedAudio，一个基于共享 9B LLM 的通用音频语言模型，采用解耦连续表示，Audio Encoder 负责理解、RedAE 通路负责生成。
推荐理由：原文给出模型架构设计和多基准评测数据，并附完整开源代码，读者可据此评估其音频理解与生成能力。
Hugging Face Blog精选AI 评分6262 Hugging Face 用三项测试量化语音识别中的基准优化现象
Hugging Face 提出三项测试量化 ASR 模型的基准优化（benchmaxxing）行为，评估 11 个开源模型后发现多个高分模型会复现 VoxPopuli 和 LibriSpeech 的错误参考转写。
推荐理由：原文给出三种可量化的探针方法，让读者能据此区分语音模型的真实转写能力与针对基准的拟合行为。
xAI News精选AI 评分7070 xAI 发布 Grok Voice Agent Builder 无代码语音智能体平台
xAI 发布 Voice Agent Builder 测试版，这是在 Grok Voice 上配置生产级语音智能体的无代码平台，内置电话、知识库检索、工具、护栏、MCP 和可观测性。
推荐理由：xAI 把电话、知识库、工具与护栏收进同一个语音接口，并给出单价和基准对比，便于判断落地成本。
xAI News精选AI 评分7171 xAI 发布 Grok Voice Agent API
xAI 发布 Grok Voice Agent API，开发者可用它构建支持数十种语言、调用工具并实时搜索数据的语音智能体。该 API 按每分钟 0.05 美元的固定费率计费，平均首音频延迟低于 1 秒，在 Big Bench Audio 排名第一。
推荐理由：xAI 把已在特斯拉和移动端使用的语音栈开放为 API，开发者可据此评估自建语音智能体的延迟与成本。
xAI News精选AI 评分6262 xAI 发布 Grok 语音转文字与文字转语音 API
xAI 发布 Grok Speech to Text 和 Text to Speech 两个独立音频 API，开发者可通过 REST 与 WebSocket 接口接入语音转写和语音合成。
推荐理由：原文给出两个音频 API 的定价与多领域词错率对比，便于开发者判断接入成本与场景适配。
xAI News精选AI 评分8484 xAI 发布 Grok 4 与 Grok 4 Heavy，强化学习训练算力效率提升 6 倍
xAI 发布 Grok 4 与 Grok 4 Heavy，用 20 万 GPU 集群 Colossus 把强化学习训练扩展到预训练规模，训练算力效率提升 6 倍。
推荐理由：原文给出强化学习规模化的训练细节与多项基准成绩，可了解 Grok 4 的推理与工具调用取向。
xAI News精选AI 评分6161 xAI 发布旗舰语音模型 grok-voice-think-fast-1.0
xAI 发布旗舰语音模型 grok-voice-think-fast-1.0，主打复杂多轮语音工作流、低响应延迟与高并发工具调用，可在客服、电话销售和企业场景中部署。
推荐理由：在发布新语音模型的同时给出 τ-voice Bench 排名和 Starlink 客服销售的实际部署数字，便于对照同类语音智能体。
xAI News精选AI 评分6464 xAI 发布语音模型 Grok Voice Think Fast 2.0
xAI 发布新一代语音模型 Grok Voice Think Fast 2.0，称其在语音推理、转录准确率和对话能力上较 1.0 有明显提升。该模型在 Artificial Analysis 语音到语音质量指数上为 82.9%，首字延迟 0.70s，转录准确率相对 Deepgram Nova 3 与 ElevenLabs Scribe v2 提升 1.5–2.0 倍。
推荐理由：相比 1.0 与 GPT-Realtime-2.1，原文给出了语音质量、推理效率与首字延迟的对比数据，可供语音智能体选型参考。
FireRedTeam GitHub 新仓库精选AI 评分6464 FireRedTeam 开源 FireRedTTS3 语音生成与编辑模型，支持 24 种语言和 21 种中文方言
FireRedTeam 发布 FireRedTTS3 的 PyTorch 代码与模型，基于语义增强连续语音表示，统一语音生成与编辑，含 Base 和 Instruct 两个变体，采用 Apache-2.0 许可。
推荐理由：仓库给出完整评测数字和安装使用入口，读者可以据此评估它在多语言克隆和语音编辑上的实际表现。
Suno Blog精选AI 评分6565 Suno Studio 2.0 发布，面向 Premier 订阅者新增 MIDI 编辑与自动化等功能
Suno 发布 Studio 2.0，现向 Premier 订阅者开放。新增时间线 MIDI 导入、录制与编辑，可用 MIDI 剪辑作为生成提示词，附带新的 wavetable 合成器；另推出 Chat bar（beta）协作创作、高级 stem 分离、音频效果与自定义插件、自动化曲线，并支持无损导出 32-bit/48kHz 多轨与 stems。插件创建目前不消耗 credits。
推荐理由：官方发布新增 MIDI、Chat bar、自动化等能力，音乐创作者可据此判断 Suno Studio 2.0 是否融入现有工作流。
Suno Blog精选AI 评分6767 Suno 宣布与 BMG 达成全球合作
Suno 官方宣布与大型音乐公司 BMG 达成全球合作伙伴关系，该合作是 Suno 即将推出的首个与音乐行业共同开发的音乐模型的一部分。双方将共同打造连接艺术家与粉丝的新体验，并为选择加入的艺术家和词曲作者创造新的经济机会，同时深化 Suno: In Session 和 Spark 等对独立艺术家的支持项目。
推荐理由：Suno 官方宣布与 BMG 达成全球合作，说明合作将伴随其首个与音乐行业共同开发的音乐模型推出，可据此了解 AI 音乐公司与版权方的合作模式。
Suno Blog精选AI 评分6464 Suno 更新下载政策与服务条款，9月3日起实施下载限额
Suno 官宣 9 月 3 日起按订阅档位实施下载限额，Free 用户终身仅 7 次试用下载，Pro 每月 20 次，Premier 每月 60 次，Suno Studio 无下载限制，超出部分可购买。同时推出新服务条款，付费计划下载的歌曲保留商用权，此前所有歌曲仍可播放和分享；新一代 Suno 模型即将上线，发布时旧模型将全部退役。
推荐理由：官方说明给出各档下载限额、免费用户终身额度等关键细节，对现有用户判断订阅与商用权利有直接参考价值。
ByteDance Seed Research精选AI 评分6868 字节 Seed 发布音视频全双工大模型 SeedRealtime 并在豆包 App 全量上线
ByteDance Seed 发布原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本，支持音视频联合理解、主动交互与流畅对话节奏。端到端人工评测显示，相比级联模型，音视频对话节奏问题减少一半。模型已在豆包 App 全量上线，用户更新后在对话框选择“打电话”进入视频通话即可体验。
推荐理由：原文给出统一架构、端到端评测数字和豆包 App 开放入口，可据此了解音视频全双工交互的能力与体验变化。
Microsoft AI News精选AI 评分6262 Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 公开预览版
Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash，两款模型均进入公开预览。
推荐理由：原文给出两款新模型的定价、性能数字和产品落地情况，可据此比较其质量速度成本取舍。
Black Forest Labs Blog精选AI 评分6464 Black Forest Labs 发布多模态基础模型 FLUX 3，开启 Early Access
Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access，基于 Self-Flow 方法在统一架构下同时学习图像、视频和音频。
推荐理由：官方公布了 FLUX 3 的多模态架构、早期评测胜率和分阶段开放计划，读者可以据此评估它在视频与物理 AI 方向的路径。