Block 发布语音模型 Dessa，可本地运行并带笑声与停顿
Block 研究实验室发布语音模型 Dessa，完全基于人类语音训练，可在单张 NVIDIA GPU 上运行，并支持全双工对话，即边听边说。该模型能表现笑声、停顿和哭腔等情绪，官方称可在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。目前 Dessa 尚未公开开放，Block 正在招募安全研究人员进行测试。
#语音
TechCrunch · AIAI 评分6767
The DecoderAI 评分5858 Block 发布纯语音训练的 AI 模型 Dessa，可实时识别情绪与讽刺
Block 发布语音模型 Dessa，称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型，直接以音频处理语音，可实时捕捉情绪、讽刺、笑声和停顿，并支持全双工同时听说。该模型可在 MacBook Pro M4 Max 上本地运行，训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开，团队正招募 AI 安全研究者测试其意外风险，感兴趣者可通过表单报名。
The Verge · AIAI 评分5858 Block 发布语音对话模型 Dessa，仅用人类对话训练
Jack Dorsey 旗下 Block 发布 AI 模型 Dessa，该模型完全基于人类对话从零训练，是端到端的语音到语音模型。Dessa 可在 MacBook Pro M4 Max 或更高配置上本地运行，官网展示了猜谜游戏、聊电影等对话片段，其中部分回应略显生硬。团队称开发动机是好奇心、改善人与 AI 的理解以及安全，将向一小批 AI 安全研究者开放早期访问。
Hugging Face BlogAI 评分5858 IBM 发布 Granite Speech 5.0 系列：新增 2B 语音模型并更新 Turbo CTC 与 4.1 2B Plus
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。
The DecoderAI 评分6262 ElevenLabs 发布两款实时语音转语音模型 Eleven Realtime
ElevenLabs 发布两款语音转语音模型 Eleven Realtime，其中 v1 Max 在 Big Bench Audio 上得分 98.8%，响应时间 0.57 秒。
The DecoderAI 评分7373 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。
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 系列语音模型和基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说话串成一条实时流式管线，单轮响应低于 1 秒。
推荐理由：官方给出语音智能体 SDK 与转写、合成模型的完整定价和基准对比，可据此评估实时语音链路成本。
Hugging Face Blog精选AI 评分6969 IBM 发布 Granite Switch 4.1：单端点实现对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，通过 Decision aLoRA、Guardian aLoRA 与 Granite-Speech-5.0-Turbo-CTC 在单一托管端点完成对话、决策与语音转写。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点，读者可据此了解多能力复用同一基座的部署思路。
Hugging Face BlogAI 评分4040 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。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐句表演指导，后者面向高吞吐、低成本的配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在创作与规模化场景的取舍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，分别面向规模化低成本场景与高复杂度多步推理任务。
推荐理由：两款语音对话模型同时给出实时推理、工具调用与多语言切换的能力边界，并列出开发者与企业的开放入口。