据韩媒EtNews报道,LG电子在首尔江南区微软行业峰会推出与微软联合打造的智能家居AI语音助手,将装入中枢设备ThinQ ON,宣称可带来接近真人的对话体验。其内核为语音到语音智能体技术,并融入微软Voice Live,打破传统一问一答模式,是LG争夺智能家居入口的最新动作。
阿里云在2026云栖大会发布AI智能体电脑Qwen Book,主打自主理解意图、持续学习与长期任务执行。产品配备Skill键盘阵列、全局AI按键和语音手写笔,支持7×24小时重度任务运行,优化跨应用、跨Agent协同效率。其基于“OS as Harness”理念,以千问端云模型为核心,深度融合操作系统、应用、云服务与硬件。
阿里巴巴Qwen团队发布原生全模态模型Qwen3.8-Omni-Flash,支持文本、图像、音频、视频四类输入,上下文窗口达100万Token,29项基准较上代平均提升超25%。其最大变化在于处理方式:不再简单拼接语音、图像识别,而是从模型层原生融合多模态理解与AI智能体能力。
音频AI领域吸金数十亿美元,应用涵盖客服与销售通话自动化、会议记录普及,以及以语音为主交互的AI智能眼镜。各大AI实验室加速模型迭代,硬件商全力优化音频体验。但新技术须经严谨测试与反馈。冰岛初创Treble正构建专属仿真平台,力图成为大模型厂商和硬件制造商的测试优化关键枢纽。
塑造具面部、语音且响应超200ms的类人AI智能体,助力自然交互
AI驱动的客户支持平台,提供24/7智能语音和聊天支持,提升客户体验。
智能AI提词器,支持语音跟读、隐形提词,提升直播体验。
首款AI智能体耳机,无需手机即可语音唤醒AI助手。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Anthropic
$105
$525
200
$7
$35
$21
Alibaba
-
$4
$16
Baidu
128
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
MCP说话人分离与识别系统是一个集成了GPU加速的说话人分离、语音识别、情感检测和Web界面的完整解决方案。它结合了pyannote.audio的说话人分离与faster-whisper转录技术,支持持久化说话人识别(一次注册,永久识别)、双检测器情感分析(结合通用AI与个性化声纹)、实时流处理、REST API和MCP服务器,专为AI智能体集成和爱好项目设计。