2026年7月8日（周三） ｜ 覆盖：X / Reddit / GitHub / 学术论文 / 行业新闻
xAI（Elon Musk）于 7 月 6 日发布 21 个全新旗舰 AI 声音，支持 25+ 种语言（含中、英、日、韩、印地语等），每个声音针对不同场景定制。同时推出 Voice Agent Builder 无代码平台，定价 $0.05/分钟，支持 1 分钟音频克隆声音，延迟低于 1 秒。xAI 声称在 Big Bench Audio 基准排名第一。
6 月 17 日泄露消息：OpenAI 测试代号 GPT-Bidi-1 的下一代双向音频模型。核心突破是"边说边听"——AI 可在说话的同时接收用户打断、修正和插话，无需等待话轮结束。提供高/中/即时三档智能速度选择，与现有 Advanced Voice Mode 共存。
DeepMind 发布 Gemini 3.1 Flash Audio，包括实时语音交互（Flash Live）和 TTS 两个子模型。支持 70+ 语言，128K token 多模态输入，所有输出嵌入 SynthID 水印。TTS 在 Artificial Analysis 排行榜 Elo 评分达 1,211。Gemini Omni Flash 支持 10 秒同步音视频生成。
用授权 AI 声音制作《奥德赛》有声书（13 小时，20 个 AI 角色，AI 配乐），仅用 6 周。APA 6 月调查：仅 16% 有声书听众听过 AI 配音作品。7 月 9 日将下线 scribe_v1 等三个旧模型。
📎 San Juan Daily Star Indian Express
在 ITU"AI for Good Global Summit 2026"获奖。"My AAC"辅助沟通应用为言语障碍人士提供个性化 AI 声音，8 个 AI 模型列入官方出版物。
2B 参数，全连续端到端自回归架构（无离散 token），Apache 2.0。中文 WER 0.94%，英文 WER 1.30%，24 语言平均相似度 83.9%。
8B 参数（900M 激活），MoE 架构，600 万+小时训练，Apache 2.0。自然度和声音克隆保真度 SOTA，支持流式推理。
7 月 1 日发布，独特能力：在已完成录音中替换单个词语无需重新生成整句。60ms 首帧延迟，英文 WER 1.32%。
新增 Qwen3-TTS、MOSS-TTS、CosyVoice、Fish Speech 等多款 TTS，SSE 流式输出 + 词级时间戳。
Parakeet → Gemma 4 VLM → Qwen3TTS 级联管道，消除多秒延迟，已驱动 9,000+ Reachy Mini 机器人。
| 论文 | 亮点 |
|---|---|
| Audex (NVIDIA) | 30B MoE 统一音频-文本 LLM，同时理解+生成，保留文本推理能力 arXiv |
| UniSonate (ACL 2026) | 统一 TTS+音乐+音效生成，指令式 TTS 的 WER 1.47% ACL |
| ImmersiveTTS (ACL 2026) | 环境感知 TTS，多模态扩散 Transformer ACL |
| DELTA-TTS (ICML WS) | AR→扩散 LLM 转换，提速 3.3 倍，WER 1.75%，减少幻觉 arXiv |
| GRAFT | 逐词发音控制，5 语言音素错误率降低 22-39% arXiv |
| WordVoice | 五维词级控制（时长/边界/能量/音高/语调），4700h 双语数据 arXiv |
| vLLM Audio Pipeline | 统一语音理解生成推理，CFG 吞吐达无 CFG 的 80% arXiv |
配音演员收入最高下降 80%，声音被电商平台以 ¥1.98 元 克隆售卖。"AI 声音人格权侵权第一案"判赔 25 万元，但鉴定费高达数万元。
处置 14,000+ 违规网站/App/AI 智能体，删除 600 万+条违规内容，下架 1,300+ 不合规 AI 产品及 9 个非法开源数据集。
欧盟要求所有 AI 生成音频必须进行机器可读水印标记。多数开源模型未内置水印，合规责任落于部署方。
UCL 研究：AI 声音在噪声中清晰度比真人高约 20%，跨越年龄和口音均一致。
🔊 双向语音交互 — OpenAI Bidi、Gemini Live 突破"轮流说话"，实现打断/插话/同步聆听
🔗 全连续架构崛起 — dots.tts、VibeVoice 抛弃离散 token，直接连续信号建模
🎯 词级精细控制 — ViiTorVoice-NAR（词级编辑）+ WordVoice（五维控制），从"读句"到"雕刻每词"
🏋️ MoE 大模型开源 — Audex (30B)、ZONOS2 (8B) Apache 2.0 开源，高质量 TTS 民主化
⚖️ 版权监管加速 — 中国专项整治 + EU AI Act Article 50 + 韩国日本立法讨论
🎭 AI 声音伦理博弈 — ElevenLabs 授权名人克隆 vs 灰色市场 ¥0.01 盗用