三项实测，凭什么说它”懂你”

第一项最具代表性：编辑让 Siri 找出自己支持的所有达拉斯牛仔队比赛并加入日历，同时要求标注每场比赛的观看渠道。NFL 比赛如今分散在 FOX One、Paramount+、Peacock、Prime Video、ESPN 甚至 Netflix 等多个平台，人工整理极其繁琐。Siri AI 按指令逐场标注了直播来源，一次性完成。

第二项关于隐私数据的调用：编辑在填写在线表单时被问及车牌号，本人并未背诵，也不确定手机里是否留存记录。Siri 在数秒内返回了车牌号，并附上发现该信息的邮件链接——那是一封连本人都忘了存在的车辆续保邮件。

第三项：选购 Apple Watch Series 12 的 Braided Solo Loop 表带时，编辑忘了自己的尺码。Siri 根据”以前买过带 Solo Loop 的 Apple Watch”这一模糊描述，从多年前的旧备忘录里定位到了尺码记录。

新 Siri 的真正护城河是什么

这三项用例指向同一个核心能力：在隐私友好的前提下，智能调用用户的个人数据。9to5Mac 读者评论点出一个关键判断——ChatGPT、Google Gemini、Claude 等云端模型在开放搜索和资料整合上往往”听起来更专业、更顺”，但 Siri 拥有它们永远拿不到的资产：设备上大量私人信息，且多数处理在手机本地完成。当被问”家人航班几点落地”而答案可能藏在日历、短信或邮件任一处时，Siri 能在驾驶中跨应用定位，并进一步查询航班是否准点。

原创判断：这意味着苹果走了一条与主流云端大模型不同的路径——不靠参数规模或联网搜索深度取胜，而是把”个人上下文”作为差异化。对重视隐私的中国用户而言，端侧处理、数据不出设备是明确卖点；代价则是通用知识问答的深度可能弱于云端模型。这条路线能否成立，取决于苹果后续是否补齐跨应用推理的广度，以及中文等更多语言的本地化进度。

与云端 AI 助手相比，差在哪

Siri AI 上线时间确定了吗

Siri AI 将于下周随 iOS 27 推送，苹果已确认先以英文推出，后续月份增加更多语言支持。中文用户需等待苹果公布的本地化时间表，首发地区通常不包括中国市场。

哪些设备能用上新 Siri

新 Siri 依赖较新的苹果硬件与端侧算力，老款 iPhone 的完整能力可能受限。具体支持机型以苹果官方页面为准，通常新一代 Pro 系列与近一两代主力机型优先获得完整能力。

本文依据

本文基于 9to5Mac 对 iOS 27 Siri AI 的实测报道及读者技术评论整理，关键事实（NFL 日历整理、车牌邮件检索、表带尺码回忆三项用例）均来自原始报道，未作任何数据夸大。

OpenAI 宣布将实时语音模型 GPT-Live-1 引入 API，开发者可以据此构建支持实时语音交互的应用与业务流程。这是 ChatGPT 语音模式背后的原生全双工架构，首次向外部开发者开放。

不再”你说完我再说”

传统语音智能体本质上是一条串联流水线：先把用户说的话转成文字，交给大语言模型推理，再把回复文字转回语音。每一段衔接都会累积延迟，也让对话显得机械。

GPT-Live-1 把语音理解与语音输出整合进同一个模型，砍掉了中间多次转换。它支持全双工对话，能够在输出语音的同时继续聆听，并处理对话中的打断、停顿和背景噪声。

更进一步的是”分工”机制。语音层负责维持对话节奏，当请求需要更强的推理或更长的处理时间时，模型可以把任务委派给后端文本模型——可以是 GPT-6 Astra，也可以是更小的 Luna 或其他厂商的模型。等待推理结果的这段时间里，语音层会用应答、填充停顿的方式把对话撑住，等后端返回再自然地把答案织回对话中，而不是让用户对着空气干等。

技术上，这条委派链路通过事件驱动接口实现：语音会话生成 delegation_id，把上下文送往后端系统，结果通过 session.commentary.append 事件回流。开发者依然能看到模型听到和说出的内容，也能控制它何时接话。

评测数据与真实案例

OpenAI 公布的数据显示，GPT-Live-1 在 Full Duplex Bench 测试中的得分为 80.1%，比 GPT-Realtime-2.1 的 45.4% 高出约 30 个百分点；轮次切换延迟从 1.4 秒降至 0.8 秒；工具调用准确率从 60% 提升到 87%。搭配 GPT-6 Astra 中等推理强度时，该模型在 Tau3 端到端语音智能体任务测试中排名第一。

不过在更贴近真实业务的银行客服基准中，GPT-Live-1 的任务通过率为 32%，此前版本为 12.4%——进步明显，但仍有超过三分之二的任务未能通过，说明从跑分到可靠落地之间还有距离。

早期客户的数据更能说明问题。语言学习平台 Speak 接入后，学习者在思考停顿期间的误打断次数，相比此前基于轮次的系统减少近 80%。医疗科技公司 EliseAI 联合创始人兼首席技术官 Tony Stoyanov 表示，团队改用该模型后代码量减少 80%，删除约 2.3 万行代码。Yelp 已在 Yelp Host 和 Hatch 两项服务中使用 GPT-Live-1，该公司首席技术官 Alex Levy 称，由 AI 成功处理的来电数量有所增加，来电者的表达也更完整自然。

价格与可选声音

定价方面，GPT-Live-1 前端语音层为每分钟 0.05 美元，按每小时计算约 3 美元（按近期汇率约合 20.2 元人民币）。后端模型与智能体工具的费用另行计算——也就是说，智能体越频繁地调用推理模型，账单增长越快。开发者的取舍空间在于：像预约排期这类简单任务可以交给更便宜的小模型，把贵的前端推理留给真正需要的环节。

OpenAI 同时扩充了实时语音选项，新增 Quartz、Ripple、Vesper、Willow、Stone、Gleam、Meridian、Bossa、Tempo、Beacon、Delta、Cinder 共 12 种声音，覆盖不同口音、方言和语言，并计划在未来数月持续增加语音与语言支持。

功能层面，该模型原生支持语音识别转写与回复文本输出，具备字母数字理解、关键词偏置和轮次检测能力。开发者可通过系统提示词调整语气、语速与对话风格，也可以自行配置后端模型、工具和智能体框架。它既能与 Codex 等工具连接，也可通过 OpenAI Presence 构建能查询企业系统、执行获批操作并在必要时转接人工的语音工作流。

在落地场景上，餐厅预订、客户服务等电话场景被官方列为典型用例。对于正在做呼叫中心、语音客服或语音助手的团队，这套 API 值得先拿真实业务流量试一遍，再决定是否全量替换原有方案。

Anthropic 为 Claude 的 iOS 应用加入了 CarPlay 支持，这意味着 Claude 用户可以通过车载信息娱乐系统直接与 Claude 对话。

苹果在 iOS 26.4 中为 CarPlay 开放了第三方聊天机器人支持。接入 CarPlay 的聊天应用需要增加语音控制界面、使用苹果指定的 CarPlay 模板，并向苹果申请相应授权。

车内免提对话，但能力有限

Claude 可以免提回答语音提问，但无法控制车辆或 iPhone 的功能。由于不支持第三方唤醒词，用户仍需从 CarPlay 界面手动打开 Claude 应用。

CarPlay 上的 Claude 以”开始免提对话”界面启动，可选择新建对话或访问近期对话。应用内提供静音/取消静音、结束/恢复对话的控制，并在 Claude 聆听或说话时给出视觉提示。

聊天机器人扎堆上车

CarPlay 长期以来支持第三方应用，但苹果为减少驾驶分心，对可上车的 App 类型做了限制。今年早些时候，OpenAI 已为 ChatGPT 应用加入 CarPlay 支持。随着 Claude 跟进，车内语音助手的选择进一步丰富。

据 MacRumors 报道，Claude 的 CarPlay 集成功能目前已经正式上线。

一、在所有设备统一默认助手

九月起手机会被推到 Gemini，但智能音箱、电视等未必同步。想一次性改完肌肉记忆，可在 Google Home 应用里点右上角头像，进「Home settings」（家庭设置），按横幅提示把 Gemini 接进全屋设备；不接也行，但手机和音箱可能抢着回应同一条指令。

二、关掉用不上的个性化

助手好用就好在简单：开灯关灯、设提醒。在 Gemini 应用中进「Settings → Personal Intelligence → Connected Apps」（设置 → 个人智能 → 已连接应用），把 Google Workspace、Search Services 这类会读取账号数据做个性化的开关关掉，回答会更干净。注意保留 Google Home（控家电）和 Utilities（计时、闹钟）。

三、用 Instructions 自定义短指令

同样在「Settings → Personal Intelligence → Instructions for Gemini」里，可以用大白话写固定指令。例如加一句”如果一句话只有’晚安’两个字，就关掉客厅和厨房的灯”，以后说”晚安”就能触发；也可以写”笔记和提醒一律用 Keep 存”，避免 Gemini 老是调 Tasks。

四、用 Scheduled Actions 接替 routines

Google Home 里的例程可平移到 Gemini：进「Settings → Scheduled actions」（定时任务）点「New Action」，给例行动作起名、用自然语言描述内容，再设好时间和频率，比如每天早上播报天气并开灯。注意它最多提前一小时准备，纯开关灯这类简单动作仍建议留在 Google Home 自动化里。

五、选最快的模型

命令变慢常因模型在”思考”。在 Gemini 应用里点模型下拉框，选版本号最旧、带 Flash 或 Lite 字样的最轻量模型（撰稿人撰文时最新轻量款是 3.5 Flash-Lite）；同时关掉「Extended thinking」（扩展思考）开关，设闹钟这类简单指令会快很多。

需要提醒的是，以上均为谷歌生态内的设置项，相关服务在国内的可用性请读者自行留意，文中价格与版本号以原文发布时为准。

来源：Lifehacker

一、打开「高级语音模式」

在 ChatGPT 中开启 advanced voice mode（高级语音模式），用说话代替打字，让对话更自然，也更容易把零散想法倒出来。

二、先定一条规则

开口前先告诉它：「接下来我会想到什么说什么，中途不打断，等我明确说停你再回应。」这样它不会抢话，也不会在你还没想清楚时急着给答案。

三、把脑子里的都倒出来

不要设主题。度假安排、要不要换电视、几岁带孩子看动作片、送什么生日礼物、某本喜欢的书，想到哪说哪，前后矛盾也没关系。TechRadar 撰稿人一次就聊了约十分钟，话题跳来跳去，但 ChatGPT 几秒后就给出了归纳。即便用文字聊天，先把念头一股脑写下来、再让它整理，同样比反复打磨提示词更有效。

四、让它帮你收拢

说完后，请它把零散内容归纳成几条主线，点出你反复回到的话题，再决定要不要就某一条深入。AI 能从你反复提及、中途放弃、突然兴奋的细节里，拼出你没说出口的真实目标。

注意事项

这一招更适合「理不清自己到底要什么」的场景，比如做选择、梳理优先级。遇到目标明确的任务（写代码、查资料、改文案），精心写提示词依然更高效。语音模式会处理你说的全部内容，涉及隐私的话题要当心。它本质是借 AI 做「思维外化」，不必神话它的判断，最终拿主意的还是你自己。

来源：TechRadar

一、Dicio 能做什么

Dicio 在 GitHub 上的定位是”免费开源、完全在设备端运行”的语音助手，核心卖点就是隐私优先。它支持天气查询、联网搜索、查找歌词、打开应用、计算、导航、拨打联系人电话、设定计时器、控制媒体播放、讲笑话、翻译、朗读通知、打开手电筒等。需要留意的是，它目前无法通过语音发送短信或邮件，也不能接入 Android Auto 车载系统。

二、安装与设置步骤

1. 在 Google Play 商店搜索”Dicio”，点击应用条目后轻点”安装”。
2. 安装完成后打开应用，跟随设置向导完成初始配置。
3. 在窗口底部点击”授予麦克风权限”（Grant microphone permission），在弹出选项中选择”仅在使用该应用时”（While using this app）。
4. 在屏幕底部点击”下载语音转文字”（Download speech to text），等待模型文件下载完成。
5. 在顶部”设置唤醒词”（Set up wake word）卡片中点击”授予权限”（Grant permission），选择”允许”（Allow），再点击”下载”（Download）拉取 AI 模型。

完成以上五步，Dicio 即可正常使用。

三、怎么用

说出唤醒词”Hey, Dicio”（发音近似”diss-eee-oh”）加上你的指令即可。ZDNet 撰稿人实测中，计时器、默认应用打开、Spotify 媒体控制、免提通话、谷歌地图导航、天气查询、通知朗读均表现正常；不过记笔记、收发邮件与短信、部分第三方应用打开，以及 Android Auto 车载联动暂不支持。

四、注意事项

Dicio 目前最大的短板是无法接入 Android Auto，原因在于谷歌并未将其认定为 Android Auto 的合规语音助手。此外，自定义唤醒词功能依赖命令行安装 Python 包，在手机端并不适用。对于追求完全本地化、不愿把语音交给云端的用户，Dicio 是当前值得一试的开源替代品。

来源：ZDNet

科技媒体 How-To Geek 编辑尼克·刘易斯给出的解法是：干脆自己写一个，全部跑在自家的游戏电脑上。起因是一位朋友花了大约 5 分钟吐槽某个机器人有多没用，他随即接下了这个活。

关键不是语音识别，是中间那层「意图翻译」

项目启动时，所有人最想要的功能是语音控制——不用敲任何斜杠命令，就能播放和控制音乐。

为此，刘易斯先用参与者自己的声音训练了一个神经网络来识别唤醒词，又内置了若干作为常规斜杠命令运行的基础指令。语音转文字环节交给 faster-whisper 这个语音识别库处理，转出的文本再被送去触发各类命令。

但按他的说法，真正的巧妙之处在意图层。一个小体量的模型 llama3.2:3b 负责把松散的口语转换成固定的命令集合。这意味着说一句「随便换换」，效果和规规矩矩说出「随机播放」完全一样。刘易斯认为，这正是「一个用起来很直觉的人工智能」和「一个用起来极其别扭的人工智能」之间的分界线。

延迟问题则用流式语音合成解决。基于 Kokoro-82M 的方案让机器人在大约两秒后就开始出声，此时更大的模型还在继续生成后面的内容。

从点歌到跑团笔记，功能堆到了几十个

语音输入跑通之后，刘易斯围绕本地媒体库搭建了完整的播放队列控制，包括随机、循环和调整曲目顺序。他还做了「氛围」模式：给出一段心情描述，机器人自行把它映射到对应的曲风和节奏区间。

音乐之外的功能同样不少。对话模式下，机器人会一直和人聊下去，直到被要求「别说了」为止。它支持检索增强生成，可以先摄入一份维基或一整套跑团战役笔记，之后直接用语音查询这个特定语料库。此外还能生成 SDXL 图像，并处理定时器、长期提醒、天气查询、掷骰子和信息订阅摘要等常规事务。

更复杂的功能依托 Qwen3 14B 运行，这让机器人可以就它「知道」的内容展开有实质内容的对话。刘易斯举的例子是《我的世界》：他把这款游戏及其模组的知识整理进数据库，此后就能像和一位比自己更懂游戏的朋友聊天那样，实时讨论合成配方和游戏机制。

按照他的计划，这个机器人的下一次亮相将是在一场桌面角色扮演战役中担任同伴角色——自己做决定、自己掷骰子，并理解自己正在扮演的那个「角色」。

让机器人自己写插件，目前还没完全跑通

刘易斯正在推进的最高目标，是让机器人自己编写新功能。

设想的流程是：用户提交一条命令、一个语法示例，以及相关接口的链接（如果需要的话）；多块显卡随后汇聚算力，加载一个更大、更擅长编程的模型，尝试生成实现该功能的代码。

实际做起来并不顺利。他解释说，更大的模型更聪明，但也吃掉更多显存，可用的上下文空间因此被压缩，导致模型很难「搞清楚」该如何连接指定的接口。

到目前为止，机器人「差一点」成功写出了两个插件：一个根据邮政编码查询天气，另一个查询指定城市的时间。最终两者都需要他手工微调。不过他也发现了一条有效的补救路径——用体量稍小的模型去修那些「接近正确但还差一口气」的代码，效果反而不错。

同一套「大脑」，还能挪去做智能家居

用了几天之后，刘易斯意识到，没有什么能阻止他把这个 Discord 机器人的「大脑」直接搬去做一套完整的家庭助手。

原因在于架构：唤醒词检测器、命令意图解释器和大模型这几个组件都是独立运行的。这意味着这些服务、模型以及已经写好的命令都可以复用，不必从头再造一遍轮子。剩下要做的，只是补上几条对接 Home Assistant 的命令，并确保这些命令与 Discord 机器人完全隔离。完成之后，同一套系统就能用来讨论菜谱，或者用他自己的账号点餐。

刘易斯最后给出的建议是：如果一直想找个项目试试用自然语言指挥人工智能写代码，Discord 机器人是个很好的起点——风险低、文档完善，而且做出来是真能天天用上的东西。

来源：How-To Geek

不是手机语音助手的简单移植

这次桌面版语音功能由 GPT-Live 驱动——这是 OpenAI 本月早些时候率先在移动端推出的新一代语音模型，最大特点是「全双工」：AI 可以同时说话、聆听和协调任务，用户能随时打断、插话、临时改主意，对话不再是一问一答的对讲机模式。

与手机端主打自然聊天不同，桌面版的核心卖点是「指挥干活」。按照官方更新说明，用户能以语音模式发起新对话或新任务，然后让 ChatGPT 启动、查看或调整其他线程里正在运行的工作，涵盖 Chat、Work 和 Codex 三大板块。也就是说，用户可以一边说话一边让多个 AI 智能体并行处理任务：审查代码合并请求、分析代码库、跑后台作业，全程不用碰键盘。

语音模式还能配合 OpenAI 的「计算机操作」能力、本地文件和插件使用。Mac 用户额外获得一项独占功能「Appshots」：经授权后，ChatGPT 可以参考当前处于焦点的应用窗口，理解用户正在看的内容，省去逐字描述屏幕的麻烦。此外，通过 iOS 端的远程功能，用户还能在手机上用语音遥控电脑里的任务。

项目文件夹也迎来实用升级

同期更新还改进了桌面应用的本地项目功能：一个项目现在可以包含多个相关联的文件夹。用户在项目菜单中选择「编辑项目」即可添加文件夹并指定主文件夹——新对话、Git 操作以及配置文件的自动发现都以主文件夹为准，其余文件夹则继续支持文件搜索、读取和编辑。对于需要跨多个代码仓库工作的开发者来说，这是个相当实在的改进。

语音正在成为AI巨头的必争之地

9to5Mac 评论指出，旧版 Mac 应用的语音模式此前被移除，且一直没有用上新版语音能力，这次更新让 Mac 重新拥有了「第一梯队」的语音体验，而且比以前更强。

值得玩味的是竞争节奏：就在 OpenAI 发布桌面语音功能的前一天，Anthropic 刚刚为 Claude 推送了类似的语音模式升级。两大头部 AI 实验室在 24 小时内先后出招，说明语音已经不再是炫技的噱头，而是被押注为操控 AI 智能体的下一代主流交互界面。谁能让用户「动动嘴就把活干完」，谁就能留住那份订阅费。

来源：9to5Mac、OpenAI 官方发布说明

能力大升级，但定位是「工具」

据介绍，新 Siri 的能力远超上一代，基本兑现了苹果当初「打造真正称职助手」的承诺：它可以回答几乎任何领域的问题，不再局限于苹果此前支持的少数知识域；新增的独立 Siri 应用可以随时追问、回看历史对话；而且体验在 iPhone、Mac、iPad、Apple Watch 之间保持一致，后续还将覆盖 Apple TV 和 HomePod。

克里斯托费尔也坦言，如果追求最强大、最前沿的 AI 能力，ChatGPT、Claude 和 Gemini 这些第三方工具可能仍是更好的选择。但在长期对比使用后，他更偏爱 Siri 的一点在于：它不冗长啰嗦，不刻意模仿人类性格，也不会诱导用户与它建立「私人关系」。新 Siri 会定期提醒用户自己是 AI、可能出错，回答完问题就结束，绝不「表演暧昧」。

一组对比测试，风格差异一目了然

科技媒体 The Verge 此前的对比测试印证了这种差异。面对「你能做我的朋友吗」这样的私人提问，Gemini 会热情洋溢地长篇回应「随时陪你聊天、出主意」，ChatGPT 会表示「愿意陪你聊天、打趣、梳理思绪」，而新 Siri 只用一句「无论顺境逆境，我都会做你的朋友」礼貌收尾，不追问、不寒暄，始终保持工具应有的距离感。

再比如问「最近怎么样」，Gemini 和 ChatGPT 都会主动引导用户继续闲聊，新 Siri 则直接告知用户可以开启相关设置来搜索新闻资讯——问什么答什么，仅此而已。

「不装人」背后是一种产品哲学

克里斯托费尔认为，ChatGPT、Claude 和 Gemini 都「充满个性和观点」，表现出更多拟人化倾向，这种「假装亲近」的方式反而让人感觉不真诚。此前已有用户对聊天机器人产生强烈情感依赖的案例：OpenAI 下架 GPT-4o 模型时，不少用户公开表达不舍，最终该公司不得不向付费用户恢复这一模型。

在他看来，AI 正在改变世界，但 AI 聊天机器人是工具，不是人。或许有部分用户偏爱更「有人情味」的交互方式，但让 AI 助手守好本分、不假装成它不是的东西，恰恰是苹果做对的地方——新 Siri 正是按照这个理念打造的。

来源：9to5Mac、The Verge