MOSS-Audio是一个开源音频理解模型，集成了语音转录、情感分析和环境声音理解等功能。其模块化设计包括音频编码器和大型语言模型，采用DeepStack跨层特征注入和时间感知表示技术，显著提升了音频处理能力。MOSS-Audio-8B-Thinking在音频理解基准测试中表现优异，准确率达到71.08%。

美团LongCat团队发布了LongCat-AudioDiT模型，采用全新的端到端文本转语音技术，减少信息损失。该模型在Seed基准测试中表现优异，取得最佳的说话人相似度和可懂度，证明了在波形潜空间生成语音的有效性。LongCat-AudioDiT以简化架构和高保真合成为目标，已开源，期待推动语音生成技术的发展。

苹果发布了AirPods Max 2，售价3999元。新款搭载H2芯片，支持自适应音频和增强降噪，音质更佳。外观与前代相似，续航时间为20小时，兼容iOS和macOS设备。

音频生成技术正向端到端生成演进。美团LongCat团队推出LongCat-AudioDiT，直接在波形潜空间进行文本转语音，避免信息损失。该模型在Seed基准测试中表现优异，取得了SOTA的说话人相似度和可懂度，展现出强大的零样本语音克隆能力。

三星推出了名为Hearapy的免费应用，通过播放100Hz的正弦波音调来缓解晕动症。用户只需听60秒即可减轻恶心等症状，效果可持续两小时。该应用受到名古屋大学研究的启发，建议与Galaxy Buds 4 Pro耳机配合使用以获得最佳效果。

Suno发布了AI音乐模型v5.5的重大更新，新增“声音”、“我的品味”和“自定义模型”功能。用户可以用自己的声音训练模型，上传音乐或直接录音。自定义模型允许用户上传至少六首歌曲以个性化输出，而“我的品味”功能则根据用户的偏好自动生成风格。声音和自定义模型仅对Pro和Premier订阅用户开放。

马里亚诺·萨尔塞多在墨西哥和德克萨斯州长大，热爱音乐但机会有限。现在，他在麻省理工学院攻读音乐技术硕士，研究神经元细胞自动机，结合音乐与视觉，旨在通过技术提升音乐体验，关注音乐的多样性与公平性。他的研究展示了音乐与科技的结合，激励他追求更广泛的创意表达。

Balmuda推出了一款名为“The Clock”的简约闹钟，采用铝制外壳和灯光显示时间，具备放松、专注和闹钟功能，能播放自然声音帮助入睡。售价约375美元，但电池续航仅24小时。

暴雪和皮克斯的李哲羽创办的社交App“森森”通过声音匹配实现了260万月活跃用户，估值1.5亿美金。该产品强调真实互动，利用AI理解用户声音，避免传统社交的“展示自己”疲劳，提供更自然的社交体验。

在macOS上，Chrome浏览器141版本首次支持通过getDisplayMedia录制系统音频，此功能与macOS 14.2更新相关，允许第三方应用捕获系统音频。之前版本均不支持该选项。

Deepgram利用深度学习提升语音识别和合成能力，解决方言和噪音环境的挑战，并关注语音克隆的伦理问题。该公司致力于构建准确、可扩展且经济实惠的语音AI，推动语音技术的应用。

VSSFlow是一种新方法，将视频到声音（V2S）和视觉文本到语音（VisualTTS）任务整合在一个框架中。它通过条件聚合机制处理不同输入信号，利用交叉注意力和自注意力层的不同偏差，提升生成效果。VSSFlow在联合学习中表现优异，超越了现有基准，展示了统一生成模型的潜力。

MCP Apps在VS Code中推出，增强了AI编码代理的互动性。用户可以通过可视化组件如仪表板和表单与代理直接互动，从而提升开发效率，简化工作流程。

森海塞尔推出新款无线耳机和电视发射器，支持蓝牙Auracast功能，可同时连接多个设备。耳机电池续航50小时，耳垫可更换，售价299.95美元，预购将于2月3日开始。发射器售价129.95美元，支持多种音频源连接。

OpenAI计划在2026年前推出升级版音频模型，以提升语音对话的自然性和准确性，并重组团队专注于音频AI。同时，将发布智能眼镜和无显示屏音箱等音频设备。

通过虚拟角色赋予用户声音，利用AI整合用户研究为互动角色，提供多角度反馈，帮助团队即时获取用户见解，提升用户体验。

VibeNotification是一个Python工具，能够在Claude Code/Codex任务完成时发送通知并发声。它支持多种声音和交互式配置，适用于不同操作系统，用户可根据需求调整音量和声音类型，以提升使用体验。

总部位于柏林的Mirelo公司完成4100万美元的种子轮融资，旨在提升音频制作效率。创始人认为音频创作滞后于视觉，Mirelo开发了专为视频设计的音频模型，用户可以快速生成与视频同步的音效，未来将重新定义声音在视觉媒体中的角色。