Ollama Mac 应用新增离线语音生成，速度比 Gradium 自身实现快 35%
Ollama 于 10 月 24 日宣布 Mac 应用正式支持文本转语音生成，Windows 和 Linux 版本随后跟进，首个支持的语音模型是 Gradium 开发的 Phonon 系列，可直接下载并在 Apple Silicon Mac 上离线运行。
原文：2026/10/27
#语音
按收录时间排列 · 卡片保留原文日期，往期好文也会新收录
AIHOT 精选AI 评分6262
AIHOT 精选AI 评分6767 腾讯混元同声传译大模型 Hy-SimulMT 发布并开源，实测响应约 3 秒
腾讯混元同声传译大模型 Hy-SimulMT 发布并开源，支持中英语音到语音实时翻译，边听边译并支持实时音色克隆，已在腾讯 Hy 翻译 App 首发免费体验。官方称其实测响应时间约 3 秒，人类专业译员平均水平为 4-5 秒；在 RealSI 长音频评测集上延迟最低且效果达到开源模型最佳，官方称超过大多数商业 API。
原文：2026/10/26
AIHOT 精选AI 评分6262 Block 发布全双工语音模型 Dessa，支持 M4 Max 及以上 MacBook 本地运行
Block 推出全双工语音模型 Dessa，可模拟笑声、停顿、哽咽等情绪表达，完全基于人类语音数据训练，训练仅使用一组英英伟达 GPU 机架。Dessa 与 GPT-Live 一样可边说话边收听，情绪表达为模型原生内置，能在 M4 Max 及以上配置的 MacBook 本地运行，现阶段暂不对外开放试用，Block 正邀请安全研究者测试语音智能体欺骗人类的风险场景。
原文：2026/10/25
TechCrunch · AIAI 评分6262 Block 发布本地运行的全双工语音模型 Dessa
Jack Dorsey 的 Block 从研究实验室发布了名为 Dessa 的语音模型，可在本地运行并带有笑声、停顿和哭泣等拟人表达。Block 称 Dessa 完全基于人类语音训练，只需单块 NVIDIA GPU，是全双工模型，可同时听与说，类似 OpenAI 早前发布的 GPT-Live。
原文：2026/10/25
The DecoderAI 评分5858 Block发布纯语音训练的AI模型Dessa，可捕捉文本模型遗漏的情绪
Block推出AI语音模型Dessa，称其是首个完全基于人类语音、不含任何文本数据从零训练的模型，直接将语音作为音频处理，可实时捕捉情感、讽刺、笑声和停顿，支持全双工通信。该模型可在MacBook Pro M4 Max本地运行，训练使用单台NVIDIA GB200 NVL72。Dessa暂未公开，团队先邀请AI安全研究人员通过表单报名测试潜在风险。
原文：2026/10/24
The Verge · AIAI 评分6262 Block 发布纯人声对话训练的语音模型 Dessa
Jack Dorsey 的 Block 宣布推出 AI 模型 Dessa，称其完全基于人类对话从零训练，是真正的语音到语音模型，知识全部来自人类语音。Block 公开了若干与人类对话的示例，包括猜测游戏、关于 Christopher Nolan 电影的交流，以及与 OpenAI GPT-Live-1 语音模型的对话，其中部分表现略显尴尬或不自然。
原文：2026/10/24
AIHOT 精选AI 评分5757 Sierra 发布 𝜏-Entity 基准，测试语音智能体采集实体信息的准确率
Sierra 发布 𝜏-Entity 基准，用 200 个任务、10 类实体（姓名、电话、地址、邮箱等）测试语音智能体能否正确采集、识别可能出错并修复错误。
原文：2026/10/22
AWS Machine Learning BlogAI 评分6262 Amazon Polly 生成引擎升级：新增14个语音并首次支持印地语和芬兰语
Amazon Polly 生成引擎现已正式上线升级版，语音更自然准确、延迟更低，新增9个区域共14个语音，使目录达到11种语言、25个区域共57个生成语音，其中印地语和芬兰语首次在生成引擎中正式可用。
原文：2026/10/23
电鸭社区AI 评分4747 AI 语音 Agent 在催收/客服呼叫中心落地，我踩过的 5 个坑
作者结合在东南亚和国内落地催收、保险、电商客服 AI 语音 Agent 的经验，分享 5 个生产环境的坑。电话中停顿超过 1.5 秒左右用户就会挂断，ASR → LLM → TTS 三段必须全链路流式并支持随时打断（barge-in），换更聪明但更慢的模型反而更差。
原文：2026/10/19