IT之家 · AI挪威团队通过无线电语音指令成功启动在轨卫星游戏《毁灭战士》
挪威奥斯陆业余无线电小组通过地面无线电发送语音指令，成功让 OPS-SAT PRETTY 卫星启动《毁灭战士》游戏，创全球首次通过无线电链路让卫星自主识别并执行口头指令的纪录。团队利用可更新的软件和软件无线电设备为卫星增加语音控制能力，使用约 27MB AI 语音识别模型将声音转为文字并检测指令，实验重点在于让卫星自主分析无线电信号并采取行动。
实时
#语音
- IT之家 · AI
Claude · YouTube5858Claude Fable 5.2 设计了一个可工作的语音助手中心
Claude Fable 5.2 从一段提示词设计了语音助手中心，包括电路板布局、CAD 外壳建模和固件编写，Diode Computers 根据其设计文件制造了原型板。这是该项目中 Claude 设计的三款设备之一，Anthropic 与 Diode 存商业关系。
Hugging Face BlogHugging Face Open ASR 排行榜新增埃及英语和尼日利亚英语数据集
Hugging Face Open ASR 排行榜新增埃及英语和尼日利亚英语的 Liva AI 私有数据集，包含 1.34 小时和 1.55 小时的对话语音，用于提升 ASR 评估的代表性及可信度。排行榜现支持基于 Kachru 三圈模型的更细致口音分类，涵盖 US 与非 US、内圈与外圈/扩展圈等分组。
Hugging Face Daily PapersFalcon 音视频目标说话人提取模型发布
Falcon是一个因果音视频目标说话人提取模型，通过目标说话人嘴部视频从嘈杂重叠语音中提取其声音，结合单次多尺度时频分离器和编码器空间说话人对比损失，在不增加推理成本的情况下减少干扰说话人泄露。
PyTorch Blog3434使用 PyTorch ExecuTorch 优化 Arm® 边缘设备上的流式语音识别
Nemotron 3.5 在 Google Pixel 11 上使用 ExecuTorch 和 SME2 实现了最高的流式语音识别准确率，最高可达 11.7% WER（使用 1,120 ms 音频块和 QC8W 精度），比 FP32 快 3.5 倍，但延迟增加；较短的音频块（如 80 ms）可以降低延迟，但准确率降至 15.2% WER。
- Hugging Face Daily Papers3838
Heartbeat 思考：实时语音代理中的推测推理与工具执行
Heartbeat 思考通过在语音更新期间继续准备工具调用，提升了语音代理的覆盖率和响应速度。该技术使语音代理在用户说话时就开始准备工具调用，解决了传统方法因语音更新而中断调用的限制。在 FDBench v3 基准测试中，Heartbeat 思考将工具覆盖率提高了 16 个百分点，并将平均最终响应延迟降低了 36.4%。
Sierra Blog7575𝜏-Entity：语音智能体如何精准捕捉实体信息
𝜏-Entity基准测试语音智能体在200项任务中捕捉姓名、电话等实体信息的准确性。GPT Live 1在常规条件下正确率为60.3%，但在噪声和语音干扰下仅为34.0%；推荐验证策略可将成功率提升14-31个百分点，但通话时长增加21-28秒。
- Sierra Blog7575
𝜏-i18n 发布：跨语言语音代理评估扩展至五国语言
𝜏-i18n 将 𝜏-Voice 扩展至西班牙语、巴西葡萄牙语、印地语、韩语和普通话五种语言，使用航空、零售和电信任务评估跨语言性能。评估包含任务完成度、交互效果和生成质量三维度，结果显示韩语表现最弱，GPT Live 1 任务完成和生成质量最高，Grok Voice Think Fast 2.0 交互最佳但生成质量低。
Apple Machine Learning Research2727Whisper-small 在 Code-Switching Detection 任务中表现优异
Whisper-small 在 CS-FLEURS 基准测试中实现 14 种语言对的平均 F1 分数 0.798，优于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。该方法通过识别预训练语音编码器中的语言选择性隐藏状态维度，直接从语音中检测语言转换，仅需少量代码转换数据集即可微调决策规则。