法国AI初创公司Mistral发布首个语音理解模型Voxtral系列，提供开放且经济高效的音频处理方案。该模型支持多语言操作，提供不同参数版本，商业集成成本低至每分钟0.001美元。

豆包APP正式推出其实时语音大模型，突破传统模式，带来更流畅的语音对话体验。该技术通过端到端的语音生成与理解，优化了语音控制力和情绪承接，解决了语音延迟和打断问题。