AI 语音公司 ElevenLabs 估值翻倍至 220 亿美元
AI 语音初创公司 ElevenLabs 启动 3 亿美元员工股权二次回购，将公司估值从此前 110 亿美元翻倍至 220 亿美元。该轮由 Wellington 和 T. Rowe Price 牵头购买员工已归属股份，是公司 2022 年成立以来第二次同类操作，也是高估值 AI 创业公司用流动性留住员工的典型做法。
#语音
#语音
今日 5 条TechCrunch · AIAI 评分5555 TechCrunch · AIAI 评分4040 Legato 推出 AI 助听眼镜 Legato Frames，起售价 999 美元
助听科技初创公司 Legato 宣布其 AI 助听眼镜 Legato Frames 正式开售，起售价 999 美元，面向存在轻度至中度听力损失的成年人。该眼镜采用 AI 系统区分人声与背景噪音，搭配开放式双扬声器设计，在距耳朵几英寸处可将外泄声音降低 99%，所有音频处理均在本地完成且不配备摄像头。
The Verge · AIAI 评分5555 Suno 推出 Speech 功能，可同时生成语音与背景音乐
Suno 推出名为 Speech 的新功能，可在生成语音旁白的同时一并输出背景音乐，已在网页和移动端进入公开测试。该功能提供 Simple（提示词描述）和 Advanced（自定义脚本）两种模式，单条生成最长约 8 分钟，并可调节语音性别、风格和变化度，也可关闭背景音乐仅输出纯净人声。
The DecoderAI 评分6262 Microsoft AI 发布面向语音智能体的转写与语音合成新模型
Microsoft AI 发布 MAI-Transcribe-2-Streaming 实时转写模型与两款 MAI-Voice-2.1 语音合成模型，分别主打低延迟多语种转写和跨语种一致音色合成。
The DecoderAI 评分4343 近半数测试者在1分钟通话中将Tavus AI视频形象误认为真人
Tavus推出其称为首个"人机交互模型"（HIM）的Griffin，在1分钟视频通话后48%的参与者将其误认为真人，优于此前系统最高的2%。在Nvidia进行的音视频对话拟人度测试中，Griffin得分3.83，接近真人3.92，远高于此前最佳AI模型的2.80；轻量版Griffin-Lite已向部分测试者开放研究预览。
TechCrunch · AIAI 评分5151 Brian Chesky 访谈：AI 智能体需要自己的操作系统
Airbnb 联合创始人兼 CEO Brian Chesky 在访谈中表示，AI 智能体需要自己的操作系统，当前应用与 OS 并未真正为 AI 做好准备。Chesky 认为消费级 AI 尚未被破解，核心障碍在于缺乏面向 AI 的底层基础设施；Airbnb 正让自身应用更智能体化、构建更丰富的界面控制，并计划今年秋季推出用于搜索和客服的语音智能体。
Google DeepMindAI 评分5353 Gemini 3.8 Live 推出 Live Avatar 实时虚拟形象功能
Google DeepMind 在 Gemini 3.8 Live 中推出 Live Avatar 功能，把近实时视频生成与原生语音对话结合，为企业场景提供带口型同步、自然表情和流畅轮换的对话体验。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，支持通过自然语言提示从零创建自定义声音、基于 30 秒样本复制人声，并提供 2000+ 现成声音库与 100+ 语言覆盖。
推荐理由：原文详细列出了两款新 TTS 模型的声音设计、复制与多语言能力，并给出 Hume AI 基准成绩，可对照此前 3.1 Flash TTS 评估实际提升幅度。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者兼顾成本与规模，后者面向高复杂度任务并支持边推理边说话。
推荐理由：原文给出了两款实时语音模型的多项基准成绩和面向开发者、企业的接入入口，读者可以据此对比现有同类方案的能力差异。
Hugging Face BlogAI 评分4444 Hugging Face 🤗 Datasets 音频数据集完全指南
🤗 Datasets 是一个开源音频数据集下载与预处理库，可通过一行 Python 代码完成加载。Hugging Face Hub 上托管有 77 个语音识别数据集和 28 个音频分类数据集，文章以 GigaSpeech 为例演示 load_dataset 用法。库内置 Dataset Preview 可在线试听前 100 个样本，并支持流式模式处理大规模数据。