网络安全研究员称三星电视利用AI录制音频、截屏投放广告
网络安全研究员log4j发现2025款三星电视通过Tizen操作系统记录用户遥测信息、音频和屏幕截图,利用AI模型分析用户行为以改善定向广告投放。即使电视没有配备麦克风,系统也会寻找连接的条形音箱或蓝牙设备进行录音。
网络安全研究员log4j发现2025款三星电视通过Tizen操作系统记录用户遥测信息、音频和屏幕截图,利用AI模型分析用户行为以改善定向广告投放。即使电视没有配备麦克风,系统也会寻找连接的条形音箱或蓝牙设备进行录音。
Block 公司推出全新语音模型 Dessa,支持本地运行,能模拟笑声、停顿、哽咽等情绪表达,听感高度拟人。该模型属于全双工模型,可以一边说话一边收听用户语音,无需搭配大语言模型调取知识。Dessa 可在 M4 Max 及更高配置的 MacBook 上本地运行,目前暂不对外开放试用,Block 正向安全研究者发出测试邀请,重点测试欺骗风险。
Block公司发布了名为Dessa的AI语音模型,这是首个完全基于人类语音训练的模型,不使用任何文本数据。Dessa直接处理音频而非先转换为文本,能够实时捕捉情感、讽刺、笑声和停顿,支持全双工通信,可在MacBook Pro M4 Max上本地运行。目前该模型尚未公开,团队正寻找AI安全研究人员进行测试。
Block 推出 AI 模型 Dessa,该模型仅通过人类对话训练,支持语音交互,可在 MacBook Pro M4 Max 或更高设备本地运行。Dessa 团队称其为“端到端语音模型”,旨在提升人机交互自然度与安全性,计划向小部分 AI 安全研究人员提供早期访问。
科大讯飞在1024开发者节上首发SparkAudio 1.0语音基座大模型,集成机器翻译、语音识别和语义理解能力,已在讯飞输入法16.0等多款产品上线,支持中英文任意切换和说话人实时识别。
IBM 发布 Granite Speech 5.0 系列模型,包括新模型 granite-speech-5.0-2b 和更新版本 granite-speech-5.0-470m-turboctc、granite-speech-4.1-2b-plus。
推荐理由:IBM 推出 Granite Speech 5.0 系列模型,覆盖从高精度转录到边缘设备实时处理的完整语音工作流,开源策略让企业级语音技术更易获取。
ElevenLabs 发布了两款名为 Eleven Realtime 的新语音到语音模型。Max 版本在 Big Bench Audio 基准测试中达到 98.8% 的准确率,响应时间为 0.57 秒。Mini 版本则针对自然对话场景设计,可检测对话结束。两款模型均通过 ElevenAgents 平台和 OpenAI 兼容的 Realtime API 提供。
SpaceXAI 发布 Grok Voice 3.0,官方称这是全球智能水平最高的语音转语音模型,延迟低于 1 秒,在客服电话处理任务上创下新纪录。该模型已在特斯拉和 SpaceX 每天支撑数百万次对话,通过 API 上线,定价与上一代产品保持一致。
SpaceXAI发布Grok Voice 3.0语音模型,在Artificial Analysis测试中以86.9分登顶语音到语音综合指数,可自主处理70%星链客服来电,定价0.08美元/分钟。
推荐理由:原文提供了具体评测数据和实际应用案例,读者可据此评估该语音模型在真实客服场景中的表现。
Google DeepMind发布Gemini 3.8 Live和3.8 Live Extended Thinking两款最新实时对话模型,提升了智能和并行推理能力,使语音交互更直观流畅。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。