博客发布 07-22
介绍 OpenAI Presence
Introducing OpenAI Presence
OpenAI 于 2026 年 7 月 22 日发布的产品公告，介绍 OpenAI Presence：一个面向企业的 AI 智能体平台，帮助组织在客户与内部工作流程中部署可信的语音和聊天智能体。页面说明该产品当日即可用于语音和聊天智能体。
语音与音频
学习语音识别、合成、音乐生成与实时语音智能体，适合音频应用开发者。
22 条精选 · 入门 5 · 按推荐学习顺序：越基础、直观越靠前，越系统、深入越靠后
-
3入门
-
4入门博客必读发布 10-22
Voxtral 3
Mistral 介绍 Voxtral 3 的产品公告，包括语音智能体 SDK 与支持 50 多种语言的语音模型，用于实时多步对话。文中称其结合了准确的语音转写、带情绪适配的自然语音合成以及工具调用集成，可通过 Mistral 的欧盟托管 API 或自部署使用，面向呼叫中心、虚拟助手和免手操作助手等场景，并附有一段预约就医对话的示例演示。
-
14进阶博客发布 10-21
Granite Speech 5.0：更准确、更快速地转写、翻译与说话人归属
Granite Speech 5.0: Transcribe, Translate, and Attribute more Accurately and Faster
IBM 的企业类博客文章，介绍 Granite Speech 系列的三个更新：新模型 granite-speech-5.0-2b，以及 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus 的修订版。文中称三者分别面向高准确率的转写与翻译、边缘端极快转写、以及需要区分说话人与时间信息的录音等企业语音场景；新材料显示新模型在 ASR 准确性和抗噪抗混响方面更强，并支持语言 ID 提示。面向企业语音相关应用者。
-
15进阶博客发布 10-28
NVIDIA Nemotron 3.5 Transcribe 与 Granary v2：可提示、可适配的智能多语言转写
NVIDIA Nemotron 3.5 Transcribe and Granary v2: Intelligent Multilingual Transcription You Can Prompt and Adapt
这是 NVIDIA 发布在 Hugging Face 上的博客，介绍开放的 Nemotron 3.5 Transcribe 模型与 Granary v2 数据流程。该模型把多语言转写、说话人区分（diarization）、翻译和音频问答整合在同一个检查点中，可转写 40 种语言，并支持提示词控制；文章同时提供 Granary v2 数据处理流程与微调方案以便适配。适合关注语音模型与开源权重的开发者阅读。
-
16进阶博客发布 05-06
为开放 ASR 排行榜加上防刷分机制
Adding Benchmaxxer Repellant to the Open ASR Leaderboard
Hugging Face 博客文章，由 Eric Bezzam、Steven、Eustache Le Bihan 及 Appen、DataoceanAI 等作者撰写。文章说明 Appen 与 DataoceanAI 提供了覆盖多种口音、包含脚本与非脚本语音的高质量英语 ASR 数据集，为防止刷榜（benchmaxxing）或测试集污染，这些数据集将保持私有；排行榜默认平均 WER 仍只基于公开数据集计算，用户可通过开关选择是否纳入私有数据集查看其影响。