标签
Google的新AI代理Gemini Spark可以操作浏览器并打电话完成购买，而他们的Enterprise Agent Platform现在已正式推出，被大公司采用。
作者使用 Parakeet STT、Qwen 2.5 7B 和 Qwen3-TTS 构建了一个本地实时语音栈，并与 Ollama 集成。
一位开发者展示了如何使用 llama.cpp 在 Amazon Echo Dot 2 上本地运行 28M 参数 LLM，生成速度约 4 tokens/s，通过提示缓存实现约 2.3 秒延迟，从而支持简单的离线语音命令。
Khoi Nguyen介绍了Zinley，一个拥有自己的电话号码和收件箱的AI，充当私人个人助理，能够接听电话、发送邮件摘要，并在电话、电子邮件、桌面、网页和iMessage上工作。
苹果重塑的Siri AI终于出现在iOS 27测试版中，兑现了其作为个性化、上下文感知助手的承诺，但鉴于其他领域AI的进步，它让人感觉平淡无奇。
微软正在其 MAI Playground 上以早期访问形式测试一款新的原生实时语音模型 MAI Realtime。该全双工系统支持多种语言、低延迟和可配置的轮流对话，定位为 OpenAI GPT Live 和 Sesame 的竞争对手。
作者分享了 Parlor v2，一个在 M3 Pro 上运行的完全本地 GPT-Live 克隆，在尝试微调 Gemma 4 12B 以实现全双工行为失败后，将其构建为级联系统。
CYBER 是一款 JARVIS 风格的语音控制桌面 AI 助手，配备钢铁侠 HUD、PC 控制、摄像头视觉和远程 Telegram 访问；v3 使用真实数据可视化重新构建了界面。
Friend，这款AI可穿戴伴侣，回归时配备了新的内置扬声器用于语音交互，价格也提高至249美元，尽管其除了对话外的用途仍不明确。
claw-code是一个用Rust编写的开源项目，利用AI自动管理博物馆展品，提供语音导览和互动问答，无需人工维护，并且项目本身由AI自主编写和更新。
Alex Finn 分享了他如何在红杉林中徒步时使用 ChatGPT Voice 完成了比在办公桌前更多的工作，Sam Altman 对此表示同意，并表达了对新型计算机的渴望。
建议使用ChatGPT语音作为参谋长，通过语音命令来编排任务、委托任务并检查状态。
亚马逊的 Alexa Plus 获得 AI 更新，支持与博世、Delta、科沃斯等品牌更深层次的智能家居集成，并通过 Model Context Protocol 建立新的合作伙伴关系。
本文揭示了亚马逊Alexa和Echo的秘密起源，从杰夫·贝佐斯2011年的白板草图，到远场语音识别的技术挑战，以及团队在苹果Siri发布后竞相上市的历程。
AnovaX是一款优先本地的桌面语音助手，它利用LLM规划器和多代理编排器在用户电脑上执行任务。它具有安全层、自适应恢复以及手机友好的远程界面。
据 The Verge 报道，watchOS 27 测试版中的新 Siri AI 升级通过提供手机和手表一致的 AI 体验，让 Apple Watch 感觉像真正的腕上电脑，可直接在手腕上完成更复杂的任务。
本项目提供了一个指南和开源方案，教你如何利用Strands Agents和Amazon Nova 2 Sonic，在树莓派5上把大嘴比利巴斯变身成实时语音助手。
Hugging Face 开源了模块化的语音转语音（speech-to-speech）工具，将 VAD、语音识别、LLM 和语音合成四层分离并支持替换，允许用户灵活更换组件或本地运行，无需重写整个管线。