苹果 HomeView 跳票近两年后发布：因 AI 危机缺少可用 Siri
苹果 HomeView 智能家居中枢在延期近两年后正式发布，硬件早已完成并在仓库存放大半年，因缺少可用的改版 Siri 而迟迟无法上市。该设备搭载 A18 处理器与 8GB 内存，售价 299 美元，苹果靠提前囤货在内存涨价前锁定成本。苹果已在开发配备机械臂、可自动转向说话者的高端版本。
AI 评分42
AI 评分 42 / 100
#语音与视觉
#语音与视觉
今日 0 条cnBeta
cnBeta Apate.ai 用 20 万个 AI 智能体假扮受害者反制电信诈骗
澳大利亚公司 Apate.ai 部署约 20 万个多语种、多口音的 AI 智能体假扮潜在受害者，与全球诈骗分子完成超 250 万次对话，累计占用骗子约 17 年作案时间。
AI 评分58
AI 评分 58 / 100
cnBeta Google 面向 Workspace 企业用户默认启用 Gmail Live 语音搜索
Google 开始向付费 Workspace 用户分阶段推送基于 Gemini 的 Gmail Live，10月15日起覆盖 Android 与 iOS，部署最长两周，符合条件的组织默认启用。
AI 评分42
AI 评分 42 / 100
华尔街见闻 澳大利亚 Apate.ai 用 AI 假扮受害者陪骗子聊天，获 815 万美元种子轮融资
澳大利亚创业公司 Apate.ai 派出 AI 机器人假扮受害者与诈骗者对话，在消耗对方时间的同时提取银行账号、钱包地址和恶意网址，已获 815 万美元种子轮融资。
AI 评分52
AI 评分 52 / 100
AIbase 小米开源空间音频理解大模型 MiDashengLM-Spatial，采用 Apache2.0 许可证
小米发布并开源空间音频理解大模型 MiDashengLM-Spatial，公开模型权重与推理代码，采用 Apache2.0 许可证。该模型以 MiDashengLM-7B 为基础，在内容识别之外增加声音来源与空间分布判断能力，小米称其为业界首个开源的端到端空间音频理解大模型。
AI 评分58
AI 评分 58 / 100
AIbase 小米开源首个端到端空间音频理解大模型 MiDashengLM-Spatial
小米宣布全面开源行业首个端到端空间音频理解大模型 MiDashengLM-Spatial，在保留传统基础音频理解能力的同时加入空间感知与深度推理能力。小米称该模型后续将陆续接入智能家居、汽车座舱等核心业务场景，用于升级“人车家全生态”的智能交互体验；原文未披露模型参数、训练数据、评测指标或开源仓库地址。
AI 评分52
AI 评分 52 / 100
界面新闻 小米开源端到端空间音频理解大模型MiDashengLM-Spatial
小米于10月15日宣布全面开源MiDashengLM-Spatial，称其为业界首个开源的端到端空间音频理解大模型。该模型在保留基础音频理解能力的同时具备空间感知与推理能力，将陆续用于小米智能家居、汽车座舱等场景，以空间听觉提升“人车家全生态”交互体验。原文未披露模型参数、训练数据与评测结果。
AI 评分58
AI 评分 58 / 100
少数派 派早报：Apple 智能国行 Beta 版本月晚些时候上线测试、Grok Voice 3.0 发布、Step 5 Preview 开放权重
Tim Cook 确认 Apple 智能国行 Beta 版本将于本月晚些时候上线测试，包含实时翻译、照片消除工具和写作工具，但不含 Siri AI。SpaceXAI 发布 Grok Voice 3.0 语音转语音模型，Artificial Analysis 语音榜单以 86.9 分居首，延迟低于 1 秒，API 定价每分钟 0.08 美元。
AI 评分30
AI 评分 30 / 100
Hugging Face Blog精选 IBM 发布 Granite Switch 4.1：单一端点同时支持对话、决策与语音识别
IBM 发布 Granite Switch 4.1（8B 与 30B），把对话、通用与专用决策、语音转写三类能力组合进同一个托管端点，显存占用约等于基座模型本身。
AI 评分78
AI 评分 78 / 100
cnBeta 亚马逊发布Bee Frontier与Bee Eclipse个人AI录音设备，开机即持续录音
亚马逊推出Bee Frontier可穿戴录音设备（售价75美元，续航7天，双麦克风降噪）和信用卡大小的Bee Eclipse（100美元，可磁吸手机背面），设备开机后持续录音而非唤醒词触发。配套Bee Pro订阅每月12美元，提供无限对话摘要、每日记忆记录并打通Alexa+AI助手与第三方应用。亚马逊称音频不永久存储、用户可随时删除转写与摘要，设备配LED录制指示灯。
AI 评分38
AI 评分 38 / 100
36kr 快讯 苹果AI国内采用双合作伙伴：阿里提供模型能力，百度负责Siri和视觉智能
苹果计划今年12月通过iOS 27.3推出苹果智能，首批上线两年前已在美发布的AI功能，覆盖iPhone、iPad和Mac，不含今年发布的全新Siri AI助手。国内采用双合作伙伴：阿里为iOS、iPadOS、macOS和visionOS中国用户提供文本与图像理解、内容生成等能力，百度软件服务嵌入Siri语音助手及视觉智能功能。 brief: yes
AI 评分42
AI 评分 42 / 100
AIbase精选 xAI 发布 Grok Voice 3.0 语音模型，定价维持每分钟 0.08 美元
xAI 推出 Grok Voice 3.0 语音模型并通过语音代理 API 开放，维持每分钟 0.08 美元定价，首次音频响应平均 0.81 秒。该模型在语音到语音综合指数测试中首次参评即得 86.9 分、位列第一，任务成功率居首，音频推理超过谷歌相关模型，语音智能体执行能力仅次于 GPT-Live-1 中等配置版本。
AI 评分62
AI 评分 62 / 100
36kr 快讯精选 xAI 发布 Grok Voice 3.0 语音模型，通过语音代理 API 开放
xAI 推出 Grok Voice 3.0 语音模型，已通过语音代理 API 开放使用，定价每分钟 0.08 美元，与上一代相同。该模型已用于特斯拉车辆语音交互和 SpaceX 星链客服中心，后者每天处理约 2 万通多语言客户来电，约 70% 无需人工介入即可解决。
AI 评分62
AI 评分 62 / 100
TechCrunch Apate.ai 用数千个 AI 智能体伪装受害者反钓诈骗分子，已累计消耗骗子 17 年时间
澳大利亚创业公司 Apate.ai 部署数千个 AI 智能体伪装成不同年龄、性别、口音和语言的受害者，接听诈骗电话、回复可疑消息与邮件、点击钓鱼链接并潜入社交群组，反钓诈骗分子。
AI 评分58
AI 评分 58 / 100
财联社电报 SpaceXAI 发布 Grok Voice 3.0，语音代理 API 每分钟 0.08 美元
SpaceXAI 发布 Grok Voice 3.0，并已在语音代理 API 中上线，定价为每分钟 0.08 美元。材料未披露该版本相比前代在语音质量、延迟或支持语言上的具体变化，也未说明可用区域与调用限制。
AI 评分52
AI 评分 52 / 100
华尔街见闻精选 SpaceXAI 发布 Grok Voice 3.0 语音模型：Artificial Analysis 综合指数 86.9 登顶，定价 0.08 美元/分钟
SpaceX 旗下 SpaceXAI 发布语音到语音模型 Grok Voice 3.0，在 Artificial Analysis 语音到语音综合指数以 86.9 分首次参评即排名第一，超过 GPT-Live-1（Astra，中等配置）的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。
AI 评分70
AI 评分 70 / 100
财联社电报 SpaceXAI 发布 Grok Voice 3.0，语音代理 API 每分钟 0.08 美元
SpaceXAI 发布 Grok Voice 3.0，并已在语音代理 API 中上线，费用为每分钟 0.08 美元。原文未披露该版本相比前代在语音能力、延迟或架构上的具体变化。
AI 评分52
AI 评分 52 / 100
金十数据 SpaceXAI 发布 Grok Voice 3.0，客户支持解决率创纪录且成本更低
SpaceXAI 发布 Grok Voice 3.0，称其在客户支持场景下解决率创纪录且成本更低。原文未披露具体解决率数字、成本降幅与可用方式。 brief: no
AI 评分38
AI 评分 38 / 100
金十数据 SpaceXAI 在语音代理 API 上线 Grok Voice 3.0，每分钟 0.08 美元
SpaceXAI 在语音代理 API 中上线 Grok Voice 3.0，定价为每分钟 0.08 美元。原文未披露该版本相比前代的具体能力或参数变化，也未说明可用范围与接入条件。
AI 评分58
AI 评分 58 / 100
爱范儿 苹果发布 HomeView 智能家居屏幕：7 英寸屏、无 App Store，靠 Siri AI 执行家庭任务
苹果发布首款家庭智能屏幕 HomeView，7 英寸 Liquid Retina 屏配音箱底座，通过面部识别最多区分六位家庭成员并自动切换个人界面。屏幕亮度范围 0.3–500 尼特，底座版额外带低音单元但最大音量偏小，壁挂版无低音单元却与底座版同价；设备不提供 App Store，第三方内容需靠「接力」或类似 CarPlay 的投屏机制上屏。
AI 评分58
AI 评分 58 / 100
Apple Machine Learning Research 利用语音基础模型的语言选择性维度检测语码转换
研究者提出一种直接从语音检测语码转换的轻量方法，利用预训练语音编码器帧级的语言选择性隐藏维度判断一句话中是否同时出现两种语言。在 CS-FLEURS 的 14 个语言对上，Whisper-small 编码器平均 F1 达 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。
AI 评分42
AI 评分 42 / 100
财新 阶跃星辰推出首款智能体手机STEPX Neo先行版，售价3999元
阶跃星辰10月13日晚发布首款智能体手机STEPX Neo先行版，售价3999元，集成智能体原生操作系统Step AOS 1.0与个人智能体阶跃Amoo。该定价还包含Step系列模型、面向创客的AI终端原生开发工具Step Studio以及手机硬件。其听觉增强系统由六麦克风阵列、低功耗音频感知芯片及Whisper 1.0拾音算法组成，用于在复杂声音环境中准确识别用户声音。
AI 评分58
AI 评分 58 / 100
TechCrunch Apple 发布新款 Apple TV 4K：搭载 Siri AI 与免遥控语音指令
Apple 推出售价 $299 的新款 Apple TV 4K，升级 A19 芯片以支持 AI 功能，并内置三颗远场麦克风，用户无需遥控器或 HomePod 即可直接对 Siri 说话。
AI 评分32
AI 评分 32 / 100
The Verge 新款 Apple TV 4K 内置远场麦克风，支持免提对话 Siri AI
Apple 发布第四代 Apple TV 4K，首次内置远场麦克风并搭载 A19 芯片，可免提调用 Siri AI，售价 $299，11 月 13 日上市。该机支持 Wi-Fi 7 与蓝牙 6，遥控器加入 Find My，并可用最多四只 HomePod 组成环绕声。
AI 评分31
AI 评分 31 / 100
金十数据 苹果本周二发布智能家居中枢，并与LG联合开发门锁摄像头等安防设备
苹果将于当地时间本周二（10月13日）在纽约发布以AI为核心的新一代智能家居设备，主打约6英寸方形屏的智能家居中枢（代号J490/J491），同时更新HomePod mini和Apple TV 4K。
AI 评分58
AI 评分 58 / 100
华尔街见闻 苹果发布智能家居中枢 HomeView，升级版 Siri AI 成核心
苹果在“Welcome Home”活动上推出智能家居中枢 HomeView，配备约 6 英寸方形触摸屏，以升级版 Siri 为核心，运行融合 iPadOS、watchOS 和 tvOS 元素的新系统，不设 App Store。
AI 评分42
AI 评分 42 / 100
AIbase 苹果反向收购雇佣 Huxe 团队，获 AI 播客技术非独占许可
苹果向欧盟委员会报备，已与个性化音频初创公司 Huxe 达成反向收购雇佣交易，雇佣其部分员工并获得知识产权非独占许可。Huxe 创始团队正是 NotebookLM（已改名 Gemini Notebook）AI 生成播客功能的开发者，该公司已于 5 月 21 日宣布关停。交易细节未披露，外界猜测苹果意在为 Podcasts 应用补上个性化音频能力。 brief: yes
AI 评分38
AI 评分 38 / 100
钛媒体 腾讯推出 Hy 翻译 APP：背靠混元 Hy-MT2 大模型，支持 33 种语言互译
腾讯推出 Hy 翻译 APP，背靠混元 Hy-MT2 大模型，在美国、日本、韩国等 12 个国家地区上线，支持 33 种语言互译，并额外覆盖粤语、藏语、蒙古语、哈萨克语和维吾尔语 5 种中国少数民族语言及方言。该应用支持按学术、商务、口语等场景切换翻译风格及自定义指令，离线本地模型包需占用超 1 GB 存储，可覆盖全部 33 种语言，但暂不支持同传功能。 brief: yes
AI 评分40
AI 评分 40 / 100
TechCrunch · AI Apple 以反向收购式招聘引进个性化播客初创公司 Huxe 团队与技术
Apple 向欧盟委员会披露，已同意向 Huxe AI 部分员工发出聘用邀约，并获得 Huxe 知识产权的非独家授权，属反向收购式招聘。Huxe 由曾参与 NotebookLM（后更名 Gemini Notebook）AI 生成播客功能的开发者创立，已于 5 月 21 日宣布关停应用并删除用户数据。文件未说明获聘人员及 Apple 后续计划。 brief: yes
AI 评分38
AI 评分 38 / 100
AIbase 千问首款 AI 耳机亮相 NBA 中国赛，10 月 13 日发布
千问首款 AI 耳夹式耳机在澳门 NBA 中国赛亮相，结合 Bose 调音与千问 AI 助理能力，支持面对面翻译、AI 听记和语音办事。同场展出的 N1 系列 AI 眼镜支持第一视角拍摄与物品识别，N1 Pro 还搭载眼动追踪和虹膜核身支付。新品已在淘宝、京东千问官方旗舰店开放预约，计划 10 月 13 日正式发布并发售。 brief: yes
AI 评分40
AI 评分 40 / 100
C114 通信网 苹果投资 Huxe：前 Google NotebookLM 团队创立的 AI 音频初创公司
苹果与 AI 音频初创公司 Huxe 达成人才引进与技术许可协议，这是今年公开披露的第 4 笔苹果 AI 相关交易。苹果可向 Huxe 特定员工发出聘用邀请，并获得其知识产权非独占许可，属于"收购式招聘"而非收购公司。Huxe 由 3 名前 Google NotebookLM 团队成员创立，曾完成 460 万美元融资，已于 2026 年 5 月关闭。 brief: yes
AI 评分38
AI 评分 38 / 100
AIbase精选 Cloudflare 发布开放权重决策模型 Clef-omni，新增音视频多模态输入
Cloudflare 于 10 月 9 日发布开放权重决策模型 Clef-omni，在原有文本与图像能力基础上新增对音频和完整视频格式的支持，可通过单次 API 调用同时处理多模态内容。
AI 评分60
AI 评分 60 / 100
北京智源研究院 墨尔本大学等发布多会话语音记忆基准 VoxMem，15 个音频大模型 32K 下无一超 40%
墨尔本大学与新南威尔士大学联合团队提出多会话语音记忆基准 VoxMem，用「声学证据×记忆操作」二维分类法覆盖 15 种考察组合，含 3,196 个评测实例、34,743 个语音会话（约 177 小时）。对 15 个音频大模型的评测显示，32K 历史长度下无一整体准确率超过 40%，追踪语气变化和背景声变化的平均准确率仅为 3.4% 与 1.2%。 brief: yes
AI 评分38
AI 评分 38 / 100
AIbase 墨尔本大学 VoxMem 基准：32K 上下文下 15 个音频大模型准确率均未过 40%
墨尔本大学与新南威尔士大学联合发布音频记忆基准 VoxMem，含 3196 个评测实例、34743 个语音会话、约 177 小时音频，覆盖 8K 到 64K 历史长度。
AI 评分48
AI 评分 48 / 100
TechCrunch · AI Natura 推出 99 美元智能戒指 Interface，把 AI 智能体戴在手指上
AI 硬件初创公司 Natura 发布售价 99 美元的智能戒指 Interface，按下手指即可让 AI 智能体完成任务、记录想法，无需掏出手机。戒指同时具备健康追踪功能，可监测心率、HRV、睡眠和活动等指标，并支持 Meta 的 Muse、Instinct、Grokbot、Claude、ChatGPT 等智能体与应用。
AI 评分51
AI 评分 51 / 100
Hugging Face Blog TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，一款 1.6B 参数的语音识别模型，重点覆盖阿联酋方言，同时支持英语、法语、西班牙语和葡萄牙语。
AI 评分42
AI 评分 42 / 100
WIRED 亚马逊 Alexa 平板成为 Amazon Phone 的蓝图
亚马逊周四宣布停产廉价 Fire 平板，改为运行 Android 并接入 Google Play Store 的高端 Alexa 平板，Alexa+ 首次获得 On-Screen Intelligence，可读取屏幕内容并完成加购物车等操作。设备副总裁 Kevin Keith 对是否推出手机回应称“无可分享”。此前路透报道亚马逊正开发代号 Transformer 的 AI 手机。
AI 评分42
AI 评分 42 / 100
AWS Machine Learning Blog 用 Amazon Bedrock AgentCore、Managed Knowledge Base 和 Nova Sonic 构建语音旅行助手
基于 Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic 和 Amazon Bedrock Knowledge Bases，可搭建一套航空语音旅行助手，让旅客通过语音查询行程、改座位、更新餐食偏好并转接人工客服。
AI 评分32
AI 评分 32 / 100
The Verge · AI Amazon Alexa Plus 被曝诡异 bug：反复唱“lalala”数分钟
Amazon Alexa Plus 出现 bug，部分 Echo 音箱会在对话中反复说唱“lalala”长达数分钟，被追问时 Alexa 对自身行为毫无察觉。该问题近几周在 Reddit 被多次报告，涉及多款 Echo 设备。Amazon 确认这是影响“少数 Alexa Plus 用户”的 bug，修复正在进行中。
AI 评分38
AI 评分 38 / 100
极客公园精选 Tavus 发布 Griffin 人类交互模型：全双工视频到视频，48% 测试者误认为真人在通话
美国 AI 视频公司 Tavus 于 10 月 1 日发布 Griffin 模型，定义为全球首个「人类交互模型」（HIM），采用全双工、视频到视频架构，可实时生成 720p 视频，平均延迟 0.43 秒。
AI 评分71
AI 评分 71 / 100