法国语音 AI 初创 Gradium 获英伟达参投 1 亿美元种子轮丨日报

开发者朋友们大家好：

这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。

本期编辑：@koki、@鲍勃

01 有话题的技术

1、Speko 发布 AgentVoice MCP 服务：为你的 Claude Code 与 Cursor 配一个真实电话

Speko 推出基于 MCP 协议的智能体语音通信工具 AgentVoice（注册为 speko-calls 服务）。该工具允许 Claude Code、Cursor 等开发工具中的 AI 智能体直接向现实世界的商家拨打受合规机制约束的电话，并在任务完成后将通话转录文本及执行结果以结构化数据形式返回至开发者终端。

提供 5 个标准化 MCP 工具接口：内置商家检索（lookup_business）、受控拨号（make_call）、直接拨号（call_number）、状态查询（get_call）以及前置环境验证（check_call_readiness），将传统电信网络功能抽象为大模型可直接调用的标准接口。
基于 HMAC-SHA256 的双重签名安全拨号机制：智能体执行商家查询后，系统会生成一个绑定账户、有效期 15 分钟的签名拨号令牌（Dial Token），以此作为执行拨号的唯一凭证，从架构上规避智能体因模型幻觉拨打错误或非法电话的风险。
服务端强置入的电信级合规围栏：通话开头强制播放 AI 身份声明，系统可自动检测「停止拨打」等语音指令并自动拉黑号码（DNC）；单号限制每小时最多拨打 3 次、每天最多 8 次；目的地非工作时间（08:00 - 21:00 之外）拨号必须由人类输入文本确认。
极简本地部署与多客户端环境适配：组件基于 Node.js（要求版本 >= 20）运行，支持通过 npx @spekoai/mcp-calls@latest init 命令一键安装，并可无缝注入。mcp.json 或 claude_desktop_config.json 配置文件。

参考链接：https://agentvoice.to/

( @beknabdik@X)

2、TavusPAL 实时音视频智能体接入 Google Meet，整合 Phoenix-4 渲染与 CRM 自动同步

Tavus 宣布其 PAL 实时音视频智能体正式支持接入 Google Meet。智能体能够以音视频参会者身份与人类实时互动、共享屏幕，并在会后自动整理纪要并同步至 CRM 系统，无需用户安装任何客户端扩展或第三方插件。

免插件原生接入：用户无需安装任何浏览器扩展或第三方工具，只需向 PAL 发送会议日程邀请，或在进行中的 Google Meet 中输入其链接，智能体即可像普通参会者一样进入会议，实现低延迟的实时双向音视频对话。
Phoenix-4 引擎与多模态感知：PAL 运行在 Tavus 最新的 Phoenix-4 实时视频渲染引擎和 Raven-1 感知模型之上，具备情绪表达与感知能力。它通过摄像头实时识别谁在发言、听取全场内容，并基于发言轮转（Turn Taking）机制实现自然的对话节奏。
Image-to-Replica 单图生成技术：结合 Image-to-Replica 技术，PAL 虚拟人外观的训练不再依赖视频录制。用户仅需上传一张真实照片、AI 生成的肖像或品牌吉祥物插画，即可快速生成具备全套情绪控制能力的 Phoenix-4 虚拟形象。
工作流自动化与 CRM 同步：PAL 能够根据设定议程自主主持会议，引导讨论并控制时间。会议结束后，智能体会自动提取决策与待办事项，并将其直接写入企业现有的工作流空间或 CRM 系统。

完整博客：

https://www.tavus.io/blog/pals-can-now-enter-and-interact-in-google-meet

（@tavus@X）

02 有亮点的产品

1、法国语音 AI 创始公司 Gradium 获英伟达参投 1 亿美元种子轮融资：主攻超低延迟大规模音频模型

法国语音智能体初创公司 Gradium 宣布种子轮融资总额达到 1 亿美元，英伟达作为新投资方参投。本轮资金将用于在旧金山湾区设立办公室以争夺技术人才，加速研发面向企业级、具备超低延迟交互能力的实时语音模型。

主打超低延迟实时语音： Gradium 专注于研发无停顿感、即时响应的大规模音频模型，旨在消除目前智能体语音交互中常见的延迟滞后，提供接近真人的实时对话体验。
源自学术实验室 Kyutai： 创始团队背景深厚，Gradium 脱胎于法国人工智能实验室 Kyutai（由 Xavier Niel 资助），联合创始人 Neil Zeghidour 曾任职于 Google Brain、DeepMind 和 Facebook。
已签约头部汽车厂商： 自去年 12 月创立并完成 7000 万美元初始融资以来，Gradium 已签约法国汽车巨头雷诺，将其语音模型落地于车载智能体等高频交互场景。
英伟达等头部资本注资： 本轮追加的融资使种子轮总额升至 1 亿美元，投资方除英伟达外，还包括 DST Global Partners、FirstMark Capital、Eurazeo、Eric Schmidt 以及 Xavier Niel。

（@Gradium）

2、纽约州将成为全美首个在法院内实施智能眼镜禁令的州

根据相关公告，从 2026 年 7 月 20 日起，所有包含摄像头、麦克风或其他录制功能的头戴式设备及眼镜，都将被禁止进入纽约州内超过 1240 个州、县、市、镇及村级的法院。

此次禁令覆盖范围广泛，不仅包括各类具有录制功能的智能眼镜，即便涉及处方镜片也同样在禁止之列。该规定适用于所有进入法院大楼的人员，包括法院工作人员和律师。目前，纽约州部分法院的入口处已经张贴了相关告示，管理部门建议有处方眼镜需求的人员在进入法院时，应携带一副普通的非智能眼镜备用。

纽约州法院管理局发布的一份备忘录显示，实施这项禁令的主要目的是防止法院审判过程被私下非法录制。根据州法律和地方法院的相关规定，此类行为属于违规，且极有可能导致泄露陪审团成员身份等严重隐私问题。

智能眼镜一直以来都是极具争议的消费电子产品。早在 2010 年代初期，Google 眼镜曾引发过激烈的公众抵制，并最终导致相关产品被迫停产。如今，随着 Meta 等公司重新推动智能眼镜技术，尽管厂商试图通过指示灯等隐私保护措施来缓解顾虑，但隐私倡导者依然对这类具备免提录制功能的穿戴设备能否保障公共空间的隐私表示担忧。

目前，市场上部分主流智能眼镜产品在尝试遮挡或禁用拍摄指示灯时，会自动强制关闭相机功能，但这并未能平息公众对于在敏感场所使用此类技术的争议。

（@极客公园）

3、灵童机器人推出具身智能桌面人偶「念 NIA-F01」：搭载 34 自由度微骨架与自研字词级文生动作小模型

科大讯飞投资的灵童机器人（Lingtong Robot）宣布推出首款具身智能桌面人偶「念 NIA-F01」。该机器人将球型关节人偶（BJD）的物理可玩性与多模态情感智能体技术相结合，实现了高拟真的物理姿态驱动与多模态共情交互。

34 自由度微骨架与 6-8mm 数字伺服舵机：机器人采用 56 厘米标准素体，内部骨架集成了 34 个自研 6-8mm 微型数字伺服舵机，融合视觉、听觉、触觉及嗅觉等多模态传感器，在实现高精度行走步态的同时，支持用户对外观进行深度物理 DIY 改装。
自研字词颗粒度文生动作小模型：通过自研的 text-to-motion 动作小模型，机器人可将文本输入细化至字词颗粒度进行动作解算，实现言行一致的实时肢体语言配合与复杂姿态转换。
内置 ECE 多模态情感共鸣 AI 引擎：依托京东大模型底层能力，系统具备长期记忆（Long-term Memory）与低延迟响应能力。通过多模态传感器实时感知用户的语气、语调及周边环境，进行情绪共鸣分析，指导机器人的对话策略与动作执行。