语音

“@提及替换”功能可将语音中口语化的人名提及（如“艾特小明”）自动映射为规范的“@王小明”格式，确保群聊中的语音指令能被系统准确解析与执行。

国外，OpenAI在7月开始推出面向企业语音支持的Presence，从模型能力向企业服务流程前移。

他在北大读博时研究语音识别，进入百度时，智能手机刚把语音搜索和输入法带到真实用户；

此后在滴滴和腾讯，他的工作从语音识别延伸到多模态语音交互与语音大模型，重点解决多语种一体化、垂直领域优化，以及流式、全双工体验等问题。

联合创始人兼首席科学家苏丹从百度、滴滴做到腾讯AILab，经历了语音识别从手机近场走向远场拾音、多模态和语音大模型的整个周期。

语音识别是深度学习最早实现规模化产业应用的领域之一。

苏丹表示，“语音流水线”作为一个独立产业正在消失，但语音能力作为智能体的底层器官，只会变得更重要，尤其是在人机对话和内容创作这两个主要方向。

从黑胶带测试到跨设备智能体，两个语音老兵等了十年2026年08月06日17:3036氪来源：36氪

两个语音老兵

该模型侧重提升语音推理、转录准确性、对话能力与工具调用可靠性。

苏丹的职业轨迹，则更接近一部语音技术的缩影。

创始人兼CEO赵恒艺先后在乐视、思必驰、小鹏、蔚来和商汤做过语音平台、机器人、智能座舱与AgentOS；

这一扩展将随2026年夏季软件更新推送，新版本还为Grok新增了车辆控制功能，驾驶员只需语音即可拨打电话、控制音乐播放、调节空调甚至打开手套箱。

随着Grok逐步覆盖更多车辆功能，未来驾驶员或许可以完全不再触碰中控屏幕，仅通过语音即可完成绝大多数操作。

他认为，下一代语音交互不能停留在“你说完—我识别—我回答”的轮次里，而要允许用户随时打断，让模型能够边听、边想、边说。

阿里巴巴今日发布语音识别大模型

2026年夏季更新则更进一步，让Grok能够直接控制车辆硬件，车主说一句"HeyGrok"即可唤醒，通过语音完成电话、音乐搜索播放、空调调节乃至座椅通风加热等操作。

随着Grok逐步覆盖更多车辆功能，未来驾驶员或许可以完全不再触碰中控屏幕，仅通过语音即可完成绝大多数操作。