智元机器人与MiniMax达成战略合作，MiniMax将为其人形机器人提供端到端文本到语音技术，提升机器人在真实场景中的自然交互与情感表达能力。合作聚焦语音合成，利用高自然度语音生成、多情感语调建模等技术，打造“会说话”的智能体。
OpenAI正加速研发音频AI模型，为语音优先智能硬件做准备。近期整合多个团队，集中提升语音交互技术，以改善对话表现和响应能力。目前语音模型在准确性和速度上仍落后于文本模型，因此正加速架构升级，开发新一代音频模型。
比亚迪与火山引擎合作，将豆包大模型全面集成至DiLink智能座舱，覆盖旗下五大品牌所有车型，实现全球最大规模智能座舱AI化。此举深度升级座舱交互，超越传统语音助手功能。
ElevenLabs的AI语音智能体深度集成WhatsApp，支持文字与语音双模交互。用户可通过文字聊天或直接拨打WhatsApp语音电话，与拥有逼真人声的AI助理实时对话。企业可便捷部署具备多语言、情感识别、实时翻译等能力的AI语音助手，重构客服体验。
Step-Audio是一个开源智能语音交互框架，支持多语言对话、情感语调和语音克隆等功能。
首个面向语境智能的人类级实时交互系统，支持多情感、多风格语音交互。
实时语音交互的人工智能对话系统。
让应用通过语音与文本的转换实现智能交互。
Openai
$2.8
输入tokens/百万
$11.2
输出tokens/百万
1k
上下文长度
Anthropic
$105
$525
200
$7
$35
Google
$2.1
$17.5
$0.7
Alibaba
$2
$20
-
$8
$240
52
$3.9
$15.2
64
$15.8
$12.7
Bytedance
$0.8
128
$0.15
$1.5
256
Xai
$1.4
$10.5
$1.75
$14
400
Tencent
24
$2.4
$12
8
32
AllVoiceLab官方MCP服务器，支持文本转语音、视频翻译等强大API交互，为多款客户端提供语音生成、视频翻译及智能变声服务。
IntelliGlow是一个基于MCP协议的智能照明系统，通过AI助手控制真实智能灯泡，支持语音命令、AI推理和直接硬件控制，实现自然语言交互和智能灯光管理。
Hume MCP服务器是一个AI协作工具，允许用户通过MCP客户端应用（如Claude Desktop、Cursor等）使用Octave文本转语音技术，实现智能语音合成与交互。
%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)
