AI 语音访谈平台 Listen Labs 拟融资 1.25 亿美元，估值15 亿美元丨日报

本期编辑：@三水、@鲍勃

01 有话题的技术

1、MiniMax 发布视频生成模型 H3：登顶 Design Arena 三项视频榜单

MiniMax H3 在 Design Arena 视频评测中取得三项榜单第一，覆盖文本生成视频、图像生成视频和视频编辑等方向。H3 面向多模态视频生成场景设计，支持文本、图像、视频和音频等输入形式。

Design Arena 三项视频榜单排名第一： H3 在 Design Arena 的视频生成评测中登顶三项榜单，覆盖不同视频生成任务。

支持文本、图像、视频和音频多模态输入： H3 可根据多种模态指令生成视频，并支持内容编辑和视频间动作迁移。
支持 2K 视频生成与原生立体声音频： H3 支持生成最高 2K 分辨率视频，并集成原生立体声音频生成能力。
支持视频编辑与参考内容控制： 模型支持基于参考图像、视频和文本指令进行视频编辑，包括内容修改和动作迁移等任务。

https://www.minimax.io/blog/minimax-h3

(@MiniMax_AI)

2、VS Code 1.132 更新语音能力：内置端侧听写扩展至编辑器与终端

微软在 VS Code 1.131 Insiders 版本中扩展内置语音能力，将端侧听写功能从现有语音场景扩展到代码编辑器和集成终端。该更新减少了开发者对第三方语音扩展的依赖，使语音输入可以直接进入编码和终端工作流。

端侧听写进入编辑器与终端： VS Code 新增对内置 on-device dictation 的支持，可在编辑器输入框和终端中直接进行语音输入，无需依赖外部语音扩展。
支持实时听写优化： 新版本增加增量式听写清理能力，用户仍在说话时即可逐步优化标点和表达；同时支持过滤语气词（如 um、uh），减少后续手动编辑。
支持语音生成结构化文本： 内置听写可在后处理阶段自动生成项目符号和编号列表格式，使语音输入更适合记录笔记、需求描述等结构化内容。
扩展 Voice Workflow： VS Code 同步加入朗读文本（TTS）能力，并优化 Voice Mode 控制入口，包括麦克风选择和快速操作。

https://code.visualstudio.com/updates/v1_131/#_built-in-dictation-across-vs-code-experimental

(@Visual Studio code)

3、Black Forest Labs 发布多模态基础模型 FLUX 3：统一学习图像、视频与音频，探索视觉智能与物理 AI

Black Forest Labs（BFL）发布多模态基础模型 FLUX 3 Early Access，将图像、视频和音频纳入统一架构进行联合学习。该模型基于 Self-Flow 方法构建，目标是学习现实世界中的物体、运动和声音之间的关联，并支持视频生成、编辑以及动作预测等能力。

统一建模图像、视频与音频： FLUX 3 在同一架构中联合学习多模态数据，不再将图像、视频和音频作为独立任务处理，而是通过不同模态之间的约束学习更完整的世界表示。
支持视频生成与编辑任务： FLUX 3 Video 支持文本生成视频、图像生成视频、视频到视频编辑、关键帧过渡、视频音频续写等能力，单次生成最长可生成 20 秒视频，并支持原生音频生成。
引入 Self-Flow 多模态流匹配方法： FLUX 3 基于 Self-Flow 对多模态生成与理解进行统一对齐，并扩展计算和数据规模训练视频、图像与音频能力。
探索 Video-to-Action 方向： FLUX 3 不仅用于内容生成，还支持动作预测方向。BFL 与机器人公司 Mimic 合作开发 FLUX-mimic，将 FLUX 3 视频模型作为机器人操作模型基础，并在工业场景进行测试。
开放 Early Access 与后续开发计划： BFL 计划逐步开放 FLUX 3 Video、FLUX 3 Image、FLUX 3 Action 和 FLUX 3 Dev，其中 FLUX 3 Dev 将提供多模态基础模型开放权重。

https://bfl.ai/blog/flux-3-video

(@bfl_ml)

4、开源 Agent 框架 Hermes Agent 更新实时语音模式：支持流式 TTS、语音打断与唤醒词

Nous Research 发布 Hermes Agent v2026.8.3（The Herald Release），为开源 Agent 框架加入更完整的实时语音交互能力。新版 Voice Mode 支持实时流式语音、用户打断（barge-in）、唤醒词和连续对话，让 Hermes 从文本 Agent 扩展到实时语音 Agent 场景。

支持实时流式语音对话： Hermes Agent 新增 Voice Mode，可在 CLI 和 TUI 中开启语音交互，通过语音输入驱动 Agent，并使用流式 TTS 逐句生成语音回复，无需等待完整文本生成。
支持语音打断（barge-in）： 用户可以在 Agent 播放语音过程中直接插话，系统会检测新的语音输入并停止当前播放，同时将「被打断」状态传递给 Agent，使其能够继续或调整回复。
加入唤醒词与持续监听能力： 新版本支持自定义唤醒词，扩展持续语音交互模式，让用户无需频繁手动操作即可与 Agent 对话。
语音链路支持 VAD 与幻觉过滤： Hermes Voice Mode 内置语音活动检测（VAD）和语音识别幻觉过滤机制，可过滤静音环境下 Whisper 产生的无意义转录结果。
开源实时 Agent 交互能力扩展： 此次更新同时加入 grounded research、A2A v1.0、签名 Webhook 等 Agent 能力，进一步扩展 Hermes 在长任务执行和工具协作场景中的能力。

https://github.com/NousResearch/hermes-agent/releases/tag/v2026.8.3

(@NousResearch)

02 有亮点的产品

1、Wispr Flow 推出 AI Notetaker 功能：实时转写会议内容，并生成可检索 AI 会议上下文

https://wisprflow.ai/notetaker

(@tankots)

2、AI 语音访谈平台 Listen Labs 拟融资 1.25 亿美元：估值达 15 亿美元，ARR 预计年底突破 1.1 亿美元

AI 语音访谈初创公司 Listen Labs 正推进 1.25 亿美元融资，估值约 15 亿美元。该公司通过 AI Agent 自动化开展客户访谈，根据受访者回答实时生成追问，用于企业产品调研、品牌认知分析等场景。

AI Agent 自动开展客户访谈： Listen Labs 允许企业输入基础问题，由 AI 进行语音访谈，并根据受访者实时回答生成后续问题，用于收集产品和用户反馈。
融资后估值较七个月前增长三倍： Listen Labs 正寻求新一轮 1.25 亿美元融资，Menlo Ventures 正洽谈领投，该轮完成后公司估值预计达到 15 亿美元。
ARR 预计年底达到 1.1 亿美元： 知情人士透露，Listen Labs 当前年化营收约 3000 万美元，公司预计今年年底 ARR 将超过 1.1 亿美元。
已有企业客户采用语音访谈服务：微软、Sweetgreen 和 Perplexity 等企业为其客户。公司此前已从 Ribbit Capital、Sequoia Capital 和 Conviction Partners 等投资方累计融资 1 亿美元。
面向客户反馈场景的 Voice AI 竞争加剧： 除 Listen Labs 外，Conveo、Strella 等公司也提供 AI 语音客户反馈服务，OpenAI 等模型厂商则持续提升实时语音交互能力。

(@Z Potentials)

3、Google 语音助手 Gemini 接替 Google Assistant：9 月 4 日起逐步停止移动端 Assistant 支持

Google 将逐步结束 Google Assistant 在移动端设备上的支持，并由 Gemini 接替成为新的 AI 助手入口。Google 将从 2026 年 9 月 4 日开始移除 Android 手机、平板及部分关联设备上的 Google Assistant，符合条件的设备将迁移至 Gemini。

Gemini 成为 Android 默认 AI 助手： Google 将在 Android 手机和平板上以 Gemini 替代 Google Assistant，用户完成迁移后将无法切回旧版 Assistant。
迁移范围覆盖移动设备生态： 此次调整影响 Android 手机、平板，以及部分连接设备，包括 Wear OS 手表、耳机和 Android Auto 等；Google Home 和 Google TV 等设备暂不受此次调整影响。
从语音助手转向生成式 AI 助手： Gemini 依托 Google 的多模态模型能力，提供更强的上下文理解和生成式交互能力，Google 此前已开始将 Gemini 能力逐步整合到 Assistant 体验中。
Google Assistant 服务进入退出阶段： Google Assistant 于 2016 年推出，此次迁移标志着 Google 将移动端语音助手入口从传统指令式助手转向 Gemini AI 助手。

(@ArsTechnica)

03 有态度的观点

1、余承东：上游存储芯片剧烈涨价，手机终端随后或面临大规模价格上调

华为常务董事、产品投资评审委员会主任、终端 BG 董事长余承东在 8 月 5 日的尊界时代旗舰 MPV 及华为全场景新品发布会上表示，近期手机供应链成本正在变化。

内存高昂涨价，手机之后可能都要大规模涨价，否则原本的价格都在亏损销售。

新浪科技还提到，余承东在今年 4 月的一场华为终端新品发布会上也曾说过「后面扛不住了也可能涨价」。

( @APPSO)

写在最后：

我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。

对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。

作者提示: 个人观点，仅供参考