获腾讯青睐、拿下上亿美元融资，语音模型们又进化？
获腾讯青睐、拿下上亿美元融资，语音模型们又进化？AI 语音模型测试第三弹。
来自主题: AI资讯
11117 点击 2026-01-08 08:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
AI 语音模型测试第三弹。
文本领域的大模型满分选手，换成语音就集体挂科？大模型引以为傲的多轮对话逻辑，在真实人声面前竟然如此脆弱。Scale AI正式发布首个原生音频多轮对话基准Audio MultiChallenge，直接撕开了大模型靠合成语音评测维持的优等生假象。实验显示，强如Gemini 3 Pro在真实场景下的通过率也仅过半数，而GPT-4o Audio的表现更是令人大跌眼镜。
从生物进化的漫长历程到AI技术的疯狂迭代，两者遵循着惊人相似的底层逻辑。
谷歌发布Gemini 2.5 Flash原生音频模型，不仅能保留语调进行实时语音翻译，更让AI在复杂指令和连续对话中像真人一样自然流畅。这一更新标志着AI从简单的「文本转语音」跨越到了真正的「拟人化交互」时代。
关键在于，从加入那一刻起，你就能对公司产生影响。因此在团队中，你可能承担任何角色。资历长短不会决定你在层级中的位置。只要足够聪明、敏捷且充满热情，就能快速提升自我——这点确实很有帮助。
键盘作为人机交互的主要工具，实质上是一个巨大且不自然的「输入、输出瓶颈」。在「后键盘时代（post-keyboard future）」，语音或许才是最好地交互方式。
一家名为Gradium 的巴黎人工智能语音初创公司，从非营利研究实验室中独立出来，并获得了 7000 万美元的融资，投资方包括前谷歌首席执行官埃里克·施密特和法国电信亿万富翁泽维尔·尼尔等一线投资者。
a16z 指出：“模型开发的进展正在简化整个基础设施栈，使得语音智能体具备更低延迟和更高性能。这一提升主要出现在过去六个月内，得益于新一代对话模型的出现。”基于这些趋势，Deepgram 与 Opus Research 合作开展的《2025 语音 AI 状况调查报告》，基于 400 位商业领袖的洞察，涵盖十多个行业，分析了语音 AI 的应用现状与关键特性。
「大家严重低估了 Voice 作为 AI 交互界面的潜力。」
谁能想到，AI把ASMR也给干了...... 那是一个困倦的午后，吃饱饭的我正瘫在工位上准备入眠。我瘫在椅子上，耳机里传来轻柔的ASMR助眠声音。那里的毛刷轻轻刮着麦克风，发出微弱的、令人神经愉悦的摩擦音。而我也在这声音的安抚下昏昏欲睡。