谷歌推出了Gemini 3.5实时翻译模型，支持70多种语言的语音翻译。该模型采用连续流处理，翻译内容滞后几秒，适用于会议和通话场景。开发者可通过Live API配置功能，支持音频输入和输出，未来将应用于Google Meet和Translate应用中。

Palabra.ai是一家总部位于伦敦的AI语音翻译公司，年收入在六个月内从6万美元增长到100万美元，显示出实时多语言通信的需求激增。该平台支持超过1000种语言的实时翻译，保留说话者的身份和情感，显著降低多语种会议的成本，并确保数据安全与合规。

在最新一期播客中，讨论了OpenAI的新语音智能API功能，包括实时翻译和转录。Thinking Machines展示了低延迟对话系统，Anthropic推出了法律领域的Claude产品，并加强了与AWS的合作。此外，还提到OpenAI的自伤风险警报功能等安全和政策更新。

AI语音模型正在迅速发展，改变各行业的通信与自动化。OpenAI的GPT Realtime-2支持70多种语言，但面临幻觉和安全限制。谷歌的TTS模型以自然生动的语音输出著称，适合个性化应用，但响应较慢。InWorld AI的TTS-2专注于游戏互动，速度快但情感表达不足。XAI的Groon API兼顾速度与多功能性，适合个性化需求。尽管存在幻觉和可控性问题，AI语音技术在实时翻译和客户支持等领域展现出巨大潜力。

OpenAI 发布了三个新音频模型：GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper，分别用于语音推理、实时翻译和转录。GPT-Realtime-2 具备 GPT-5 级推理能力，支持复杂对话和任务；GPT-Realtime-Translate 可将 70 多种语言实时翻译成 13 种语言；GPT-Realtime-Whisper 提供低延迟的语音转文本服务。所有模型已通过 Realtime API 正式上线。

OpenAI 发布了新的实时语音模型，包括 GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。这些模型提升了语音助手的智能，能够进行复杂任务、实时翻译和音频转录。GPT-Realtime-2 具备更强的推理能力，支持多线程操作，使得语音交互更加自然，未来可能改变我们与数字世界的互动方式。

OpenAI推出了三种新的语音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper。GPT-Realtime-2性能提升11%，支持更复杂的交互；GPT-Realtime-Translate专注于实时翻译，支持70种输入语言和13种输出语言；GPT-Realtime-Whisper是最新的流媒体转录模型，适用于多种语音AI应用场景，定价合理。

OpenAI推出了三种音频模型，分别是GPT-Realtime-2（实时对话）、GPT-Realtime-Translate（支持70多种语言的实时翻译）和GPT-Realtime-Whisper（低延迟语音转文本）。这些模型提升了语音交互的智能性和响应能力，适用于客户支持和教育等领域。

Translumo是一款实时屏幕翻译工具，支持多语言和高精度OCR，适用于游戏和视频等内容的快速翻译。它开源、完全本地化，使用简便，适合多种应用场景。

谷歌扩展了其“实时搜索”功能，现已在200多个国家和地区推出，支持语音和相机搜索。新模型Gemini 3.1 Flash Live具备多语言支持和更快的响应速度，提供更自然的对话体验。此外，谷歌在iOS上推出了实时翻译功能，用户可以实时捕捉语音并听到翻译。

在2026年巴塞罗那通信展上，GSMA发布白皮书，探讨移动AI时代运营商原生话音业务的发展，重点关注AI沉浸式和交互式通话。白皮书定义了AI Calling体验评估规范，强调AI降噪和实时翻译等应用，以提升运营商的语音服务体验。

T-Mobile计划在今年春季推出实时翻译功能，支持50多种语言，用户无需特定应用即可使用。该功能将在5G网络上运行，用户只需拨打87即可激活，测试期间免费。实时翻译仅在通话中有效，不会保存通话记录。

苹果的AirPods Pro 3耳机现以199.99美元（优惠50美元）出售，适合情人节赠礼。耳机具备优秀的主动噪声取消功能和音质，设计舒适，适合运动，内置心率传感器可追踪锻炼数据，支持实时翻译，兼容苹果设备，提供自动切换功能。