微软 AI 发布 MAI-Transcribe-2-Streaming 与两款语音合成模型
微软 AI 发布实时转写模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟约 100 毫秒，微软称其在 Artificial Analysis 准确率排名第一，年底前音频价格为每小时 0.54 美元。
#语音
The DecoderAI 评分6262
The DecoderAI 评分7474 Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音模型
Google 推出 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款语音生成模型，前者可用文本描述从零设计音色，两者均支持 100 多种语言并可为每句台词添加表演指令。
The Decoder精选AI 评分7878 阿里发布 Qwen-Audio-3.1，五款语音模型并降价最高 95%
阿里 Qwen 团队发布 Qwen-Audio-3.1，包含五款覆盖语音识别（ASR）、文本转语音（TTS）和实时交互的模型。
推荐理由：阿里一次放出五款语音模型并大幅降价，读者可据此判断语音能力的成本与可用性变化。
The Decoder精选AI 评分7878 Google 发布 Gemini 3.8 Live 音频模型，价格远低于 OpenAI GPT-Live-1
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款音频模型，已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：对比了 Gemini 3.8 Live 与 GPT-Live-1 的定价和语音自然度差异，可据此判断低价语音智能体的取舍。
The DecoderAI 评分7575 Suno 发布与 Warner、BMG、Believe 合作打造的 v6 音乐模型
Suno 推出 v6 音乐模型，分为面向付费 Pro 和 Premier 订阅用户的旗舰 v6、实验性的 v6-wild 以及面向所有用户免费的 v6-mini，同时停用全部旧模型。
The Decoder精选AI 评分7878 Meta 发布实时音频模型 Muse Voice Transcribe，支持说话人分离与句子边界检测
Meta 的 Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe，可实时转写语音、区分说话人并检测句子边界，模型将音频切成 80 毫秒片段，逐词动态调整等待时间以平衡准确率与延迟。
推荐理由：Meta 新实时语音模型以逐词自适应延迟换取速度与准确率，并给出与竞品的价格和错误率对比。