Genspark推出AI Workspace2.0，核心转向语音驱动，旨在重塑知识工作者办公模式。其灵魂产品Speakly作为独立工具，支持macOS和Windows，用户通过自然语音即可实现复杂自动化流程。
巨人网络旗下游戏《超自然行动组》推出国内首个深度融合AI大模型的“AI大模型挑战”玩法。该玩法将传统NPC升级为由AI大模型实时驱动的智能对手，能语音交流、模仿真人玩家行为，并潜伏队伍中伺机行动。这标志着AI原生玩法在大DAU级游戏中实现规模化落地。
苹果与谷歌达成合作，每年支付约10亿美元获得Gemini大模型使用权，计划2026年春季随iOS26.4推出升级版Siri。此举旨在弥补苹果自研大模型不足，重夺智能语音主导权。新Siri将基于1.2万亿参数的Gemini2.5Pro，性能远超当前版本。
谷歌推出StreetReaderAI原型系统，帮助盲人和低视力用户通过自然语言交互自主探索谷歌街景。该系统融合计算机视觉、地理信息系统和大语言模型，实现多模态AI驱动的实时对话式街景体验，突破传统语音播报局限，提升无障碍城市探索自由度。
AI驱动的隐形提词器，适用于Mac和Windows，语音控制，提升演示效果
AI驱动的语音笔记应用，可即时记录、转录和整理想法
将您的语音立即转换为文本。完全私密，开源，由AI技术驱动。
VideoTutor是一款AI驱动的工具，根据用户提出的问题生成动画、语音引导的学习视频。
Alibaba
$8
Input tokens/M
$240
Output tokens/M
52
Context Length
-
$3.9
$15.2
64
$15.8
$12.7
Bytedance
$0.8
$2
128
$3.5
$12
Tencent
32
$2.4
8
$3
$9
$1.6
$10
Openai
$14
$56
200
$1.5
Xai
$21
$105
$10.5
16
Baidu
Google
$1
jdh-algo
JoyHallo是一个专注于普通话的音频驱动人脸动画生成模型，能够根据普通话语音生成逼真的面部动画。
Intel
Whisper是一种预训练模型，用于自动语音识别（ASR）和语音翻译。本仓库提供ONNX格式的Whisper大型模型INT4权重量化版本，由英特尔®神经压缩器和英特尔®Transformers扩展驱动。
%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)
