Meta因内部数据泄露，紧急暂停“模型能力计划”AI训练项目。该项目通过记录员工键盘鼠标数据训练模型，泄露事故致私人对话、绩效数据及语音转文字记录等敏感信息意外公开，公司被迫叫停。
Inworld AI发布实时TTS-2语音模型，通过API预览版实现突破。与传统文本转语音不同，该模型能实时感知用户语调、节奏和情感，采用闭环系统架构，无需依赖文字转录，提供更自然流畅的对话体验。
谷歌推出iOS离线语音听写应用Google AI Edge Eloquent，基于轻量化模型Gemma实现本地处理，无需网络即可运行，既保护隐私又提升效率。应用能自动润色转录内容，解决语音转文字中常见的废话多、语句不通顺问题。
谷歌在iOS平台推出实验性语音输入应用“Google AI Edge Eloquent”，主打离线优先和智能润色功能，利用边缘AI技术将口语实时转化为专业文本。此举标志着谷歌进入高端AI语音转文字市场，与Wispr Flow和SuperWhisper竞争。应用搭载Gemma4系列技术，强调实时处理和文本优化能力。
快速、准确、私密的语音转文字工具，支持多平台及AI工作流
StrikeScribe是一款AI语音转文字和会议转录软件，支持100多种语言。
专业AI面试助手，提供实时语音识别、智能回答生成等功能，提升面试成功率。
开源的前沿语音 AI 模型，支持语音识别和文本转语音。
Alibaba
-
Input tokens/M
Output tokens/M
Context Length
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
$0.8
$2
128
Baidu
Tencent
mcp-audio是一个符合AIO-2030标准的MCP插件，提供语音转文字功能，支持多种音频格式和API调用方式。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
