AI 語音、音樂與即時對話
Block 語音模型 Dessa：純靠人聲訓練，M4 Max 都跑得動
Block 旗下 AI 團隊近日發布全雙工語音對語音模型 Dessa，純粹用「人類對話音訊」訓練，唔經文字轉碼；官方稱可在 M4 Max MacBook Pro 本機運行，目前僅限 AI 安全研究人員申請。
生成影像與聲音
AI 語音、音樂與即時對話
Perplexity Mac app 語音模式換底層，接上 OpenAI gpt-live-1
由今日起，Perplexity 將 Mac app 語音模式底層換入 OpenAI 今年年初發布嘅 gpt-live-1，呢個模型可以喺開口講嘅同時繼續聽用户講。呢個升級為 Pro 同 Max 訂閲户增強整體體驗。
AI 語音、音樂與即時對話
傳 Google 為 Gemini Live 開發離線模式，Beta 版 code 露端倪
Android Authority 喺 Android Google app beta 版（v17.71.17）揾到引用「Use Gemini Live without an internet connection」嘅 code。功能仲未推出，運作方式、相機同畫面分享支援有冇，全部未明。
AI 圖像、影片與 3D
NVIDIA 同 MIT 開放 H3 影片增強權重，最高 4K
兩間機構組成嘅團隊喺 Hugging Face 發布 Open-H3-Regenerate-2K 模型權重，支援自行部署嘅影片高分辨率重生成。
AI 圖像、影片與 3D
AI 自己攞機拍短劇？Genspark 新平台試手，由劇本到成片一條龍
Genspark 推出 Media Studio，接入 70 多個模型版本，宣稱用户可以由劇本直接生成完整短片。有媒體試玩，成果有樣有影，亦有明顯 bug。
AI 圖像、影片與 3D
Genie 4 出爐：DeepMind 嘅世界模型要學識接住 Agent 不斷入場嘅新指令
Google DeepMind 發布新一代世界模型 Genie 4，由 Gemini 3.8 Flash 負責拆解任務並持續送指令入模擬環境，但動態條件如何約束環境演化、AI 點樣避免「指鹿為馬」式因果錯覺，仲係未解之謎。
AI 語音、音樂與即時對話
Granola 學到開聽寫 同場聽寫手 Wispr 反學開會筆記
開會助手 Granola 上日開咗聽寫功能，同早幾個月加咗開會筆記嘅聽寫 app Wispr 對住打；估值分別 15 億、20 億美元嘅兩間公司行咗幾個月之後，產品線撞埋一齊。
AI 圖像、影片與 3D
Spawn 靠一疊 AI agent 自己開發：每月300萬美金token，一小時就ship一次
Simon Willison 引述一款叫 Spawn 嘅多人線上遊戲，聲稱係一疊 Fable 級模型驅動嘅 coding agent 自主開發，token 開銷每月超過300萬美金，「AI token 支出係 payroll 嘅30倍」，每小時向 production ship 一次。
AI 語音、音樂與即時對話
Block 出全雙工語音模型 Dessa 本地跑得到但規格全黑箱
Block AI lab 發布只用人聲對話音訊訓練嘅全雙工 speech-to-speech 模型 Dessa，宣稱喺 MacBook Pro M4 Max 本地運行，但未公佈模型規模、基準或權重。
AI 語音、音樂與即時對話
AssemblyAI 推 TTS-1：每百萬字 15 美元、唔使簽合同、開放 6 種語言
AssemblyAI 29 日推出首個文字轉語音（text-to-speech）模型，主打語音代理，每百萬字計費、無須簽合同即可無限並發。
AI 圖像、影片與 3D
Google DeepMind 推 Genie 4 世界模型：實時生成加原生音訊
Google DeepMind 推出研究預覽版 Genie 4，實時世界模型首度加入原生音訊、即時對話同文字引導，由 Gemini 3.8 Flash 喺模擬循環入面統籌事件。
AI 圖像、影片與 3D
國產開源商用 3D 模型 Hi3D：V3.0 達 2048³，V1.0 上線 GitHub
Hi3D Agent 同 V3.0 喺輪廓、體積關係同局部細節上比 GPT-6 Astra 更接近參考圖，V1.0 開源免費。
AI 圖像、影片與 3D
Google 發布 Genie 4：兩分鐘互動世界，打字即時改場景
Genie 4 由研究預覽開放予可信測試者，可生成音效、場景持續時間增至約兩分鐘，底層由 Gemini 3.8 Flash 支援。
AI 圖像、影片與 3D
Google Genie 4 出爐：世界模型加音響，模擬中隨改天氣同鏡頭
Google DeepMind 喺 10 月 27 日推出世界模型 Genie 4，可生成即時同步音頻、支援模擬進行中改天氣同鏡頭角度；業界同時出現 World Labs、Decart 等多宗收購。
AI 圖像、影片與 3D
馬斯克 Grok Imagine 開工《奧德賽》7分鐘交貨 網批三流預告片
馬斯克7月放話要用 AI 出「符合史實」長片，10月24日交首集7分鐘片段，遭業界及網民一致抨擊空洞、錯漏百出；路蘭真人版票房近18億美元。
AI 圖像、影片與 3D
Grok Imagine 出 AI 版《奧德賽》首集 680 萬瀏覽 網民揭「AI 味」同史實錯位
馬斯克嘅 Grok Imagine 上週末喺 X 出 AI 生成《奧德賽》第一集，約 7 分鐘，同 Wonder Studios 同導演 Dev Walker 合作。上線兩日 680 萬瀏覽、2700 多則留言，網民逐集逐鏡頭拆史實錯位同 AI 味。
AI 圖像、影片與 3D
即夢出「短劇工作室」：一部機做晒劇本到成片，角色仲唔會跳戲
10月26日即夢 AI 上線一站式短劇創作工具「短劇工作室」，將劇本、分鏡、影片製作整合到同一平台，部分功能整合小雲雀短劇 Agent 能力，並首度推出劇本模型 DreamScript。
AI 語音、音樂與即時對話
聲網趙斌提五級對話能力：即時語音AI點樣先算真會聊
iRTE2026即時智能大會剛落幕，十余場論壇、百場分享聚焦對話式AI。聲網CEO趙斌提出「快慢腦」協作同五級對話能力框架，聲稱OpenAI、Google亦選用其底層技術。
AI 圖像、影片與 3D
馬斯克「年底出AI長片」承諾兑現7分鐘 Grok《奧德賽》第1集上線
馬斯克7月承諾2026年底前喺X平台出「史實準確」嘅全AI生成《奧德賽》長片，10月23日Grok Imagine交出首集7分鐘「第1集」，片尾標明同Wonder Studios同導演Dev Walker「創作合作」。諾蘭版《奧德賽》同片上畫，票房大熱，被視為下屆奧斯卡熱門。
AI 語音、音樂與即時對話
語音 AI 仲未齊工：識別、速度同情緒三關卡關，主管都認未到爆發期
PolyAI 同 Otter 高管指語音 AI 距離「ChatGPT 時刻」仍有明顯距離，自動語音辨識漏字、推論速度同情緒表達係三條最大弱點。