2025年7月1日，荣耀宣布成功实现全球首个端侧语音大模型部署，相关技术将在7月2日发布的荣耀Magic V5海外版中首发搭载。该技术以两篇学术论文形式被国际顶会InterSpeech收录，标志着AI语音技术再度升级。同时，Magic V5折叠屏手机采用内折方案，搭载鲁班缓震铰链、高韧纤维材料及AI内屏异物感知技术，号称‘最抗摔铰链’与‘折叠机皇’。新机配备后置三摄组合及6100mAh超薄电池，支持长焦微距拍摄，并采用青海湖刀片电池技术，进一步提升续航能力。

《科创板日报》16日消息，上海AI独角兽MiniMax今日发布新一代语音大模型Speech-02。该模型在国际权威评测榜单Artificial Analysis和Hugging Face TTS Arena中表现出色，超越OpenAI、ElevenLabs等国际巨头，成功登顶双榜榜首。这一成果标志着中国在语音技术领域取得重要突破，展现了国产AI技术的强劲实力。

3月31日，在百度AI DAY上，文小言宣布完成品牌焕新与功能升级。此次升级支持多模型融合调度，整合百度文心X1、文心4.5等自研模型及第三方模型DeepSeek-R1、可灵等，实现智能协同。用户可一键调用最优模型组合或选择单一模型完成任务，大幅提升效率。全新语音大模型支持方言对话、复杂知识问答及语音交互，调用成本降低50%-90%，响应速度达1秒左右，且具备多情感语音合成能力。图片问答功能支持通过图片提问获取深度解析，如解题、商品对比、设计解析等。新增“图个冷知识”功能，提供多维解读，例如从不同角度分析猫爱窗边的科学原因。

1月20日，豆包实时语音大模型正式发布，旨在实现端到端语音对话，主要面向中文语境。该模型具备接近真人的语音表达水准，低时延且支持打断对话。在与OpenAI的GPT-4o对比中，豆包模型在语音语气自然度和情绪饱满度方面表现更优，整体满意度评分4.36（满分5分）。豆包模型团队采用端到端框架，融合语音与文本模态，通过预训练和后训练阶段优化，提升了模型的对话能力和安全性。实时语音AI的价值在于提供更真实的交互体验和情感价值，有望推动AI端侧硬件的发展。

1月20日，豆包官方宣布推出实时语音大模型，并在豆包App新版中全量开放。该模型实现语音理解和生成一体化，提供端到端语音对话，具有低时延、可随时打断等特性，号称在中文对话方面“断崖式领先”。新功能还提升了语音的真实感及情绪表现，包括“喜怒哀乐”等复杂情感。此外，豆包App更新了实时语音通话功能，能自动调整节奏、儿化音、音量等细节，支持方言、英语对话及多角色模仿，甚至部分歌曲演唱。该技术基于端到端框架研发，深度融合语音与文本模态，力求达到“人机难辨”的AI交互效果。

12月14日，阶跃星辰宣布推出国内首个千亿参数端到端语音大模型“Step-1o”。与传统级联方案相比，Step-1o实现了语音理解和生成的一体化，提升了模型的智商和情商。该模型支持语音、文本等多种形式的输入和输出，能够快速反应并随时打断，还能深度理解和模仿音色、韵律、方言等声音特征。Step-1o具备自我学习和模仿能力，不仅能提供专业建议，还能提供高情绪价值的陪伴，并且具有强大的创作能力。近期，Step-1o将接入跃问App，为用户提供实时语音通话服务。

科技与AI融资概览 融资与战略投资动态 穹彻智能：完成数亿元人民币Pre-A轮融资，由Prosperity7 Ventures与广发信德领投，泽羽资本、创新工场、奇绩创坛、璞跃中国、MFund魔量资本等参投。 智元机器人：关联公司新增舒远春、软通动力、中科创星等股东，注册资本增至约7637.22万...

【国内首个端到端通用语音AI大模型】西湖心辰在9月6日发布其心辰Lingo语音大模型，号称是国内首个全链路通用语音AI模型，特别强调其在中文语音上的表现超越了GPT-4o。该模型于8月24日开始内测，已吸引逾千家企事业单位申请体验。相比传统TTS，端到端语音大模型整合了语音识别、自然语言处理、意图识别、对话管理和语音合成等环节，实现完整的交互流程。 心辰Lingo具备三大核心优势： 1. **原生语音理解**：能识别语音中的文字信息及情感、语气、音调等。 2. **多风格表达**：根据上下文和指令自适应调整语音特性，生成对话、歌唱、相声等多种风格的语音响应。 3. **高效语音编解码**：采用高压缩率的编解码器，有效降低计算和存储成本。 当前，心辰Lingo正通过内测申请阶段，有兴趣的企业可访问官网了解详情。

5月26日，长城汽车董事长魏建军在直播活动中透露，旗下语音大模型小魏同学即将进行OTA升级。新车将支持事件即时汇总整理，用户能快速获取直播内容。魏品牌总经理刘艳钊表示，推送时间定于下周。搭载此功能的具体车型暂未公布。