{"source":{"id":"2113767466002211306","title":"开放人工智能（OpenAI）在实时语音上被狠狠上了一课。 出手的不是同行的十一实验室（ElevenLabs），而是杰克·…","url":"https://mubeitech.com/p/2113767466002211306"},"method":"semantic-similarity","count":5,"items":[{"rank":1,"id":"2113157337674646013","account":"mubei","brand":"@mubei","title":"AI 终于不用等你敲键盘了。 以前所有的聊天机器人，都是你不戳它就不动。 安斯罗匹克（Anthropic）刚推出的 Cl…","summary":"AI 终于不用等你敲键盘了。 以前所有的聊天机器人，都是你不戳它就不动。 安斯罗匹克（Anthropic）刚推出的 Claude Duet，彻底把逻辑倒过来了。 它是一个主动型智能体，底层跑的是最新的 Opus 5.5 模型。 它不用你写提示词，自己就在后台帮你盯进度。 怎么做到…","body":"AI 终于不用等你敲键盘了。\n以前所有的聊天机器人，都是你不戳它就不动。\n安斯罗匹克（Anthropic）刚推出的 Claude Duet，彻底把逻辑倒过来了。\n\n它是一个主动型智能体，底层跑的是最新的 Opus 5.5 模型。\n它不用你写提示词，自己就在后台帮你盯进度。\n怎么做到的？\n它不是整天死盯，而是每隔几小时自动排查一次关联账户，比如办公软件 Slack。\n官方演示里，它发现新店开业在即却没办手续，直接草拟好卫生许可证申请表，早晨推到手机上提醒。\n\n这直接对标了迈塔（Meta）的 Muse 和 OpenAI 的 Dots。\n各家拼的不再是谁能聊，而是谁能在后台替人拿主意。\n什么时候该在 Slack 里抓关键待办，什么时候该安静待着不打扰？\n这个界限一旦踩错，随身助理就会变成通知轰炸机。\n\n不过，官方目前还没全量铺开。\n目前仅针对美国的 Pro 和 Max 高级订阅用户开放候补名单。\n这种主动替人排查风险的功能到底好不好用，全看第一批人在真实工作里的实测反馈了。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2113159283864998287","translated_status_id":"2113159283864998287","published_at":"2026-10-22 06:40:46","created_at":"2026-10-22 06:35:44","url":"https://mubeitech.com/p/2113157337674646013","markdown_url":"https://mubeitech.com/p/2113157337674646013/markdown"},{"rank":2,"id":"16534178","account":"mubei","brand":"@mubei","title":"语音模型的门槛，彻底塌了。 现在的竞争早就不在“能不能克隆声音”了。 而是怎么用5秒的样本、极低的成本，直接生成带情绪的…","summary":"语音模型的门槛，彻底塌了。 现在的竞争早就不在“能不能克隆声音”了。 而是怎么用5秒的样本、极低的成本，直接生成带情绪的对话。 Fish Audio刚拿到5200万美元种子轮融资。 直接推出了新一代语音模型S2.1 Pro。 发布方给出的账本很粗暴。 克隆一个人的声音，只需要5秒…","body":"语音模型的门槛，彻底塌了。\n\n现在的竞争早就不在“能不能克隆声音”了。\n而是怎么用5秒的样本、极低的成本，直接生成带情绪的对话。\n\nFish Audio刚拿到5200万美元种子轮融资。\n直接推出了新一代语音模型S2.1 Pro。\n\n发布方给出的账本很粗暴。\n克隆一个人的声音，只需要5秒的音频。\n他们称，新模型的速度比Cartesia快两倍。\n成本却只有Eleven Labs的六分之一。\n\n便宜还不是重点。\n真正的杀器是情绪可控。\n发布方称，这套模型做到了词级别的控制。\n一句话里，每个词的情绪、语调、语速都能单独调节。\n\n在客服场景里，一个接披萨店电话的AI，上一秒还在讲西班牙语，下一秒直接切英文接单。\n面对几个顾客同时抢话点餐，它不卡壳。\n连中途把中号披萨换成大号、外加五杯无糖可乐的零碎要求都能顺手改掉。\n最后还能跟顾客确认名字的拼写。\n\n发布方称，他们第一年已经支撑了1000万小时的配音和数亿次通话。\n为了抢企业客户，他们直接放出话来。\n如果不能把企业现有的语音AI成本砍掉一半。\n直接免费提供一年的服务。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2082282272355500233","translated_status_id":"2082282272355500233","published_at":"2026-07-28 23:16:32","created_at":"2026-07-29T01:04:27+02:00","url":"https://mubeitech.com/p/16534178","markdown_url":"https://mubeitech.com/p/16534178/markdown"},{"rank":3,"id":"2110417482586423759","account":"mubei","brand":"@mubei","title":"SpaceX 拿下了端到端语音模型的全球第一。 新发布的 Grok Voice 3.0，综合评分直接冲到了 86.9 分…","summary":"SpaceX 拿下了端到端语音模型的全球第一。 新发布的 Grok Voice 3.0，综合评分直接冲到了 86.9 分。 把端到端交互延迟压进 1 秒以内的同时，全双工表现拿下 97%。 更关键的是，单次任务运行成本还不到主要竞品的一半。 这份数据来自评测机构人工分析（Arti…","body":"SpaceX 拿下了端到端语音模型的全球第一。\n新发布的 Grok Voice 3.0，综合评分直接冲到了 86.9 分。\n把端到端交互延迟压进 1 秒以内的同时，全双工表现拿下 97%。\n更关键的是，单次任务运行成本还不到主要竞品的一半。\n\n这份数据来自评测机构人工分析（Artificial Analysis）的独立实测。\n在语音大模型综合指数上，它排在榜首。\n直接超过了 GPT-Live-1 的 83.2 分，也甩开了 Gemini 3.8 Live 的 82.6 分。\n在考验理解力的语音推理测试里，准确率更是达到了 98.5%。\n\n平时跟语音 AI 交流，最大的痛点是什么？\n无非是反应慢半拍，或者你刚开口插话它就直接卡死。\n这次的全双工基准测试，它拿下了 97.0% 的高分。\n不论是自然停顿、中途打断还是快速接话，节奏都更像真人在沟通。\n\n各项性能全线拉满，单次任务的成本要多少？\n实测测算出来的数据是 0.025 美元。\n相比之下，GPT-Live-1 需要 0.030 美元，高规格的实时模型甚至要 0.055 美元。\n性能跑在最前面，开销反而做到了同级别里最低。\n\n这套模型并不是实验室里的概念玩具。\n在特斯拉和 SpaceX 内部，它每天已经在处理数百万次真实的客服对话。\n目前商业接口已经正式向开发者开放。\n性能大幅提升，价格却维持上一代原价，一分没涨。","category":"其它","score":null,"translated_x_url":"https://x.com/i/status/2110439918086594776","translated_status_id":"2110439918086594776","published_at":"2026-10-14 17:15:42","created_at":"2026-10-14 17:08:32","url":"https://mubeitech.com/p/2110417482586423759","markdown_url":"https://mubeitech.com/p/2110417482586423759/markdown"},{"rank":4,"id":"2052904435656077578","account":"mubei","brand":"@mubei","title":"聊天机器人，做不了电商。 去年 OpenAI 还在推插件，今年 3 月就亲手关掉了。 在旅行和购物这种复杂决策面前，单纯…","summary":"聊天机器人，做不了电商。 去年 OpenAI 还在推插件，今年 3 月就亲手关掉了。 在旅行和购物这种复杂决策面前，单纯的对话框其实是个低效陷阱。 Airbnb 的掌舵人切斯基认为，文字界面有四个致命伤。 第一，它只有文字，图片和视觉只是点缀，而购物的本质是“看”。 第二，它剥夺…","body":"聊天机器人，做不了电商。\n\n去年 OpenAI 还在推插件，今年 3 月就亲手关掉了。\n在旅行和购物这种复杂决策面前，单纯的对话框其实是个低效陷阱。\n\nAirbnb 的掌舵人切斯基认为，文字界面有四个致命伤。\n第一，它只有文字，图片和视觉只是点缀，而购物的本质是“看”。\n\n第二，它剥夺了直接操作的权利。\n你想加个筛选，或者随便逛逛，在对话框里你必须得敲出一行提示词。\n这在沟通时很高效，但在筛选房源时简直是折磨。\n\n第三，它无法进行有效的比较。\n电商和旅行的核心是权衡取舍，是货比三家。\n如果 AI 想只推一两个选项就成交，它得比你更了解你自己，但绝大多数时候，用户需要的是不迷失地看到更多选择。\n\n现在的 AI 还是个“单人游戏”，缺乏协作性。\n而在现实中，85% 的 Airbnb 用户在预订前会和同伴发消息讨论。\n\n未来的终点不是 App，而是 Agent（智能体）。\n但这个 Agent 绝不是一个只会发文字的“短信窗口”。\n\n如果让你只用 iMessage 处理生活中的所有事，那将是一场交互灾难。\n每个 App 都有独特界面，是因为不同场景需要不同的操作逻辑。\n\n真正的 AI 电商需要的是极度视觉化的沉浸界面。\n它能和你对话，能实时反馈，更能在分析全网数据后，把复杂的房型、价格、优劣势直观地摆在你面前。\n\n这种能像真人助手一样思考，并把结果可视化呈现的逻辑大脑，才是下一代接口的真相。\n切斯基正在押注：这种全新的视觉智能体，将彻底终结现在的对话框范式。","category":"其它","score":100,"translated_x_url":null,"translated_status_id":null,"published_at":"2026-05-10 22:01:59","created_at":"2026-05-10T23:58:03.688464","url":"https://mubeitech.com/p/2052904435656077578","markdown_url":"https://mubeitech.com/p/2052904435656077578/markdown"},{"rank":5,"id":"2045272682393141687","account":"mubei","brand":"@mubei","title":"不用张嘴，不用打字。 你在心里默念一句话，对坐的人能一字不差地“听”到。 然后他用同样的无声方式回复你。 Joe Rog…","summary":"不用张嘴，不用打字。 你在心里默念一句话，对坐的人能一字不差地“听”到。 然后他用同样的无声方式回复你。 Joe Rogan 在播客里看完这演示直接惊掉下巴。 这套设备叫 AlterEgo。 两个人面对面坐着，戴上特制的头戴设备。 一个人在脑子里想：“一会去哪吃午饭？” 对方的脑…","body":"不用张嘴，不用打字。\n你在心里默念一句话，对坐的人能一字不差地“听”到。\n然后他用同样的无声方式回复你。\nJoe Rogan 在播客里看完这演示直接惊掉下巴。\n\n这套设备叫 AlterEgo。\n两个人面对面坐着，戴上特制的头戴设备。\n一个人在脑子里想：“一会去哪吃午饭？”\n对方的脑海里瞬间接收到这句话。\n对方心里默念：“泰国菜挺好。”\n一段对话就此完成，全程没有一点声音。\n\n最离谱的还在后面。\n它能跨语言做脑内同传。\n你心里想着英文。\n设备直接把信号转译成中文，传进对方的大脑。\n对方用中文动动念头，答案再无声传回给你。\n\n目前的屏幕和键盘交互，受限于手指敲击的速度。\n研发团队想给智能时代做一套全新的交互界面。\n完全跳过物理发声，直连心智。\n这还仅仅是技术的萌芽阶段。\n人类靠声带震动传递信息的传统，正在被物理终结。","category":"其它","score":100,"translated_x_url":"https://x.com/i/status/2045419221354516717","translated_status_id":"2045419221354516717","published_at":"2026-04-18 08:28:15","created_at":"2026-04-18T10:24:15.804205","url":"https://mubeitech.com/p/2045272682393141687","markdown_url":"https://mubeitech.com/p/2045272682393141687/markdown"}]}