Underdog Bark 3.0 发布：仅 163 MB 的英文语音转文字模型
Underdog 发布 Bark 3.0，一款仅 163 MB 的语音转文字模型，基于英伟达与 Moondream 开源的语音识别架构。在苹果 M 系列芯片上转写 5 分钟音频仅需半秒，英文会议场景错误率低于 Whisper 等传统大模型，Clean 版本可自动过滤语气词和口误重复，仅支持英文。模型地址：https://huggingface.co/Underdog/bark-3.0
#语音
Gorden Sun (@Gorden_Sun)AI 评分5454 Marc Andreessen (@pmarca)AI 评分5858 Underdog AI 发布开源语音模型 Bark 3.0，仅 163 MB 且准确率超过 Whisper large-v3
Underdog AI 发布语音模型 Bark 3.0，称其为 163 MB 的开源模型（CC-BY 4.0），在 AMI 会议录音数据集上词错误率 7.82%，低于 NVIDIA Parakeet 的 9.42% 和 OpenAI Whisper large-v3 的 13.63%，后两者体积分别是它的 15 倍和 57 倍。
Hugging Face BlogAI 评分5555 IBM 发布 Granite Speech 5.0 系列语音模型，覆盖转录、翻译与说话人分离
IBM 在 Hugging Face 发布 Granite Speech 5.0 更新，包括新模型 granite-speech-5.0-2b 及两个修订版 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。
Gorden Sun (@Gorden_Sun)AI 评分5151 Gradium 发布 64.5 MB 本地 TTS 模型 phonon-31m-en
Gradium 团队基于 Pocket TTS 与 Mimi 音频编解码技术发布 TTS 模型 phonon-31m-en，模型文件仅 64.5 MB，无需显卡即可在手机、笔记本和浏览器本地运行，支持流式输出、离线合成且完全可商用。
Startup FortuneAI 评分5656 ElevenLabs 发布 Eleven v4 Turbo，瞄准语音智能体市场
ElevenLabs 于 9 月 28 日发布 Eleven v4 与 Eleven v4 Turbo，面向语音智能体开发者而非创作者。Eleven v4 Turbo 中位推理延迟约 100 毫秒，WebSocket 流式下首次出声中位时间近 150 毫秒，支持超过 90 种语言，官方称在日语、巴西葡萄牙语、普通话和粤语上提升最大；快档定价维持 $0.05/1,000 字符。
Yann LeCun (@ylecun)AI 评分5858 Kyutai Pocket TTS 推出小参数版本，最小 1.9M 达单核 103 倍实时速度
Kyutai 转发宣布 Pocket TTS 更新，在原约 100M 参数基础上推出更小版本：18.2M 模型保持原版质量，另有 6.9M 和 1.9M 模型，其中 1.9M 模型在单个 CPU 核心上以 103 倍实时速度运行，全部支持语音克隆。