OpenAI推出GPT-Live-1，将ChatGPT语音模式的原生全双工架构开放给开发者。该架构可独立处理对话、应对打断，并将复杂请求转交后台模型（如GPT-6 Astra），避免沉默尴尬。性能较前代提升30个百分点，成本为每分钟0.05美元。EliseAI借此删减八成代码，Speak、Yelp等已应用。

VS Code 1.134 Insiders版发布，改进语音模式，修复指令应用问题，支持HTML文件关联集成浏览器，优化聊天选择器显示，并新增重新打开最近关闭聊天及跳转未保存编辑器的功能。

微软将不再在Copilot语音模式中展示其黄色动画角色Mico，将其移至Learn Live平台。Mico于去年十月推出，旨在赋予聊天机器人“身份”，但现被移除。微软称此举是合并Copilot应用计划的一部分，并称Mico帮助团队学习如何与AI互动，这些经验将塑造未来的Copilot。

Claude语音模式升级，现支持Opus和Sonnet模型，可进行深度对话和问题解决。用户可切换模型，练习演讲、头脑风暴、评估假设等。语音模式支持多语言切换，并能连接工具执行任务，如调整日程、生成文档、回复邮件。该功能对所有用户开放，付费计划可使用更多模型和工具。

Anthropic将Claude的语音模式扩展至Opus和Sonnet模型，并接入Gmail、Slack等应用。此前仅Haiku支持，新模型可处理复杂问题并执行操作，如生成简报或调整日程。用户可在对话中切换文本与语音及模型，语音模式新增法语、德语等10种语言支持。

AI Gateway新增流式转录功能，支持边捕获音频边输出实时转录结果，降低延迟，适用于实时字幕和语音输入。该功能处于测试阶段，可通过AI SDK的streamTranscribe函数使用，兼容多种模型如OpenAI和xAI，并支持为智能体添加语音模式，无需改动现有文本处理流程。

OpenClaw v2026.4.10更新引入主动记忆引擎、macOS本地语音模式和Codex托管，提升AI的上下文感知能力和隐私保护，增强企业协作与安全性。

苹果正在更新CarPlay，允许用户直接使用第三方聊天机器人，如ChatGPT和Claude，而无需通过iPhone。尽管无法替换Siri按钮，开发者可以设置应用自动进入语音模式。此功能预计将在未来几个月推出。

OpenAI发布了GPT-5，取消了模型选择器，ChatGPT默认使用新模型。新增四种个性选项，提升代码生成能力和界面自定义功能。高级语音模式更自然，并支持与Gmail和Google日历连接，方便用户管理日程。

OpenAI最近更新了GPT-4 Turbo，提升了速度和降低了成本，并增加了更大的记忆窗口。ChatGPT现在具备记忆功能，可以记住用户偏好，用户还可以创建无需编码的自定义GPT。语音模式也在改进，以实现更自然的对话。OpenAI正朝着成为AI平台的方向发展，未来的AI工具将更加智能和个性化。

Anthropic即将推出Claude AI聊天机器人的新“语音模式”功能，预计本月上线，提供三种英语语音：Airy、Mellow和Buttery，可能与OpenAI的ChatGPT竞争。

Grok 3 发布引发热议，更新了推理能力和 DeepSearch 功能，月费30美元。尽管展示中有失误，但在多个领域表现优异，特别是在 NCAA 预测中展现潜力。语音模式将在一周内推出，未来可能开源。

OpenAI宣布ChatGPT搜索功能的三项更新：提升搜索性能、整合语音模式、向全球所有登录用户免费开放。用户可通过对话获取实时信息，支持搜索活动和餐厅，展现更智能的对话能力。

ChatGPT推出视频通话、屏幕共享和圣诞老人语音模式，增强了视觉理解能力。用户可通过视频与ChatGPT互动，获得实时指导。这些新功能将在未来一周内推送给大部分用户，标志着AI视觉与语言的结合，提升人机交互体验。

我开发了一款演讲分析工具，利用Assembly AI的转录和LeMUR功能，旨在提升公众演讲技巧。该工具分析音频样本，提供语音模式、填充词和语速的见解，帮助用户改善演讲效果。所有代码和使用说明可在我的Github上找到。