Google 将对话式 Gemini 导航引入 Apple CarPlay
Google 面向美国 Apple CarPlay 用户上线 Google Maps 中的对话式 Gemini 导航，并称全球推广也在进行中。用户可点击车机屏幕上的 Gemini 图标，用语音提出多步问题，例如先询问景点推荐再要求避开收费路段导航。此次更新未提及昨日为 Android Auto 和内置 Google 汽车发布的 Personal Intelligence 功能。
#语音
产品The Verge · AIAI 评分4040 教程MarkTechPostAI 评分4242 Cactus Whistle 实测：16.9 MB 语音模型能否胜过 Whisper base？
教程在 Apple M4 上实测 Cactus Compute 的 16.9 MB CPU 语音模型 Whistle，在 seeded test-clean/test-other 样本上与 Whisper tiny、base 对比。
模型Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列语音模型
IBM 更新 Granite Speech 系列，新增 granite-speech-5.0-2b，并修订 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
模型MarkTechPostAI 评分7171 Mistral AI 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral AI 发布 Voxtral 3，包含 3 个转写模型、1 个 TTS 模型和 1 个基于 LiveKit 的语音智能体 SDK，4 个模型均在 Mistral API 公测。
模型The DecoderAI 评分6262 ElevenLabs 发布两款实时语音到语音模型 Eleven Realtime
ElevenLabs 发布两款名为 Eleven Realtime 的语音到语音模型。其中 Max 版本在 Big Bench Audio 基准上得分 98.8%，响应时间为 0.57 秒，ElevenLabs 称 Artificial Analysis 榜单上没有模型同时更快且更准确。
模型The DecoderAI 评分7272 Mistral AI 发布 Voxtral 3 实时语音智能体模型栈
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型家族，包含语音转文字模型 Voxtral Small Transcribe 3、文字转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK。
模型Mistral AI精选AI 评分7878 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3。
推荐理由：原文给出语音智能体全链路模型与 SDK 的延迟、价格和多语言指标，可据此比较自建语音栈的成本与部署选择。
产品TechCrunch · AIAI 评分4242 Yelp 推出 Check for Me：AI 语音智能体代用户致电餐厅查询等位时间
Yelp 上线 Check for Me 功能，用户在餐厅页面输入用餐人数和电话号码后，AI 智能体会代其致电餐厅查询等位时间，并以短信回传结果。Yelp AI 助手同时接入 OpenTable 支持应用内订座，可记住历史对话偏好、查看过去 30 天聊天记录并设置自定义提醒。面向商家，Yelp 推出付费产品 Smart Lead Reply，每月收费 $30，可自动回复并筛选客户线索。
行业TechCrunch · AIAI 评分4242 Otter.ai 获 General Catalyst 增长基金 3.2 亿美元投资
会议记录工具 Otter.ai 宣布从 General Catalyst 的 Customer Value Fund 获得 3.2 亿美元融资，资金将用于企业增长、市场策略、国际扩张和产品创新。公司去年 ARR 突破 1 亿美元，累计用户达 4000 万，高于去年的 2500 万。Otter 正测试会前简报和会中 Live Assist 等功能，但未披露月活或流失率数据。
产品TechCrunch · AIAI 评分5858 亚马逊旗下 Bee 推出两款个人 AI 设备，起售价 74.99 美元
亚马逊旗下 Bee 发布被收购后的首批新 AI 设备，包括一款更新版可穿戴设备和一款可吸附在手机上的信用卡大小录音器，起售价 74.99 美元。这些设备可总结对话、生成待办事项，并与 Alexa 和亚马逊购物整合。
模型MarkTechPostAI 评分6969 SpaceXAI 发布 Grok Voice 3.0，以 86.9 分登顶 Artificial Analysis 语音榜
SpaceXAI 发布实时语音模型 Grok Voice 3.0，在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一，高于 GPT-Live-1（Astra, medium）的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。
模型MarkTechPostAI 评分6565 Fish Audio 发布 35B 开源权重 MoE 语音模型 Drama 3
Fish Audio 本周发布文本转语音模型 Drama 3，总参数 35B、每 token 约 3B 激活，权重已上 Hugging Face 并接入 Fish Audio API。
产品The Verge · AIAI 评分4242 Square 推出可对话 AI 的 Square Kiosk 自助点单机
Square 发布 Square Kiosk 自助点单硬件，配备 21.5 英寸触摸屏和“智能体式对话语音层”，可理解商家菜单并实时应答，顾客能通过对话提问、要求修改或替换订单。该设备支持存在检测迎宾和感应支付或插卡付款，即日起面向 Square Plus 或 Premium 订阅商家发售，售价 1,999 美元，另收每台每月 99 美元软件费。
模型Latent Space精选AI 评分7878 AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准测试
Google 的 Gemini 4 Argon 正式 GA，覆盖 Gemini API、Gemini 应用、Search AI Mode 和 Antigravity，入门 API 价格为每百万输入/输出 token 2 美元/10 美元，缓存输入折扣 95%，Artificial Analysis 称 11 月 30 日后价格将翻倍至 4 美元/20 美元。
推荐理由：汇总了 Gemini 4 Argon 的定价、独立评测与可靠性争议，便于对照官方说法与第三方结果。
产品OpenAI NewsAI 评分5252 Higgsfield 借助 GPT-6 Astra 等模型将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上，使用 GPT-6 Astra 生成更长视频，并用 GPT-Image-2.5 提升画面精度。该平台还借助 GPT-Live 提供语音电影制作的路径。
产品The Verge · AIAI 评分2222 不戴摄像头的 Ray-Ban Meta Audio 智能眼镜评测：没有相机反而更自在
Ray-Ban Meta Audio 是一款售价 $349 的无摄像头智能眼镜，评测者认为去掉相机后佩戴时不再有"偷拍"的心理负担，外观与普通眼镜无异。它本质是一副开放式耳机，续航长、轻便，但音质一般，音量较大时高音发尖。眼镜目前搭载较弱的 Muse Spark 模型，更强的 Meta Muse AI 要等到今年晚些时候才上线。
行业TechCrunch · AIAI 评分4040 Zenzap 获 4400 万美元融资，用 AI 聊天应用替代职场 WhatsApp
Zenzap 完成 4400 万美元融资，投资方包括 Bessemer、Lightspeed 和 The Garage，用于推广其面向企业的 AI 私密通讯应用。该应用免费版提供群聊、任务管理和 AI 语音搜索，付费版每月 51 美元起支持最多 20 名用户，解锁语音视频通话与 AI 智能体工作流自动化。目前 FedEx、Taco Bell、Starbucks 等企业已在使用。
论文Apple Machine Learning ResearchAI 评分2222 Apple 研究：用语音基础模型的语种选择性维度直接检测语码转换
Apple 研究团队提出一种轻量方法，直接从句语音频中检测语码转换（CS），无需依赖多语种转录。该方法利用预训练语音编码器帧级语种信息，通过单语录音识别语种选择性隐藏状态维度并聚合其帧级激活进行 CS 预测。在 CS-FLEURS 的 14 个语种对上，Whisper-small 编码器取得平均 F1 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。
论文Apple Machine Learning ResearchAI 评分3838 Apple 首次从头预训练三模态掩码扩散模型 MDM，3B 规模验证统一设计
Apple 提出首个从头预训练的三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上统一训练，并系统分析多模态缩放规律、模态混合比例与噪声调度。其批次大小分析给出基于 SDE 的重参数化方法，将物理批次与逻辑批次解耦，免去最优批次调参。初步模型在 3B 规模（6.4T tokens）下于文本生成、T2I 和 T2S 任务均取得强劲结果。
行业TechCrunch · AIAI 评分3535 前 Plaud 高管 Peter Mo 为常驻后台监听的 AI 应用 Ambi 融资 2600 万美元
前 Plaud 高管 Peter Mo 创办的 Ambi 完成 2600 万美元多轮融资，由 Luminous Ventures 和华勤领投，并推出 iPhone、Mac 和 Apple Watch 应用。
综合新闻The Verge · AIAI 评分6262 Apple 发布首款智能显示屏 HomeView，售价 299 美元
Apple 发布首款智能显示屏 HomeView，售价 299 美元，11 月 13 日发货，首发覆盖美国、英国、加拿大、澳大利亚、新西兰、新加坡、南非和印度八国，现已开启预售。
观点TechCrunch · AIAI 评分2222 PolyAI 与 Otter 高管：语音 AI 尚未迎来自己的“ChatGPT 时刻”
企业语音 AI 平台 PolyAI 的 CTO Shawn Wen 认为，尽管全双工模型已经问世，语音 AI 仍未迎来自己的“ChatGPT 时刻”，下一步挑战是让推理足够快、对话足够自然。
产品TechCrunch · AIAI 评分4242 Natura 推出 99 美元智能戒指 Interface，把 AI 智能体戴在手指上
AI 与硬件初创公司 Natura 发布 99 美元智能戒指 Interface，按压即可向 AI 智能体下达任务，支持 Meta Muse、Instinct、Grok Bot、Claude、ChatGPT 等，并兼具心率、HRV、睡眠等健康追踪。产品预计下月开启预售，12 月或 1 月发货，初期免费 3 至 6 个月后收取每月 9 美元订阅费，满电续航 6 至 12 天、充满需 100 分钟。
产品The Verge · AIAI 评分6262 Google 发布 AI 笔记应用 AI Edge Foresight，可完全离线转写会议
Google 发布实验性笔记应用 Google AI Edge Foresight，可在完全离线状态下转写会议和音频文件，免费使用，基于其端侧 EmbeddingGemma 2 模型在 macOS 上运行。
模型Hugging Face BlogAI 评分4242 TII 推出 Falcon-ASR：1.6B 参数阿拉伯语语音识别模型，主打阿联酋方言
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，这是一个 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。
教程AWS Machine Learning BlogAI 评分4040 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 与 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。
行业The Verge · AIAI 评分3535 Amazon Alexa Plus 被曝持续数分钟诡异重复“lalala”
Amazon Echo 智能音箱上的 Alexa Plus 出现 bug，会连续数分钟反复说唱“lalala”，有时发生在与用户对话中途，被追问时 Alexa 对自身行为毫无察觉。