首个开源「AI智能语音转文本模型」，质量超whisper，成本爆降。
Voxtral 是由 Mistral AI 开源的首个语音智能模型系列，包含 24B 参数和 3B 参数的 Voxtral Small 和 Voxtral Mini。它支持长音频转录、语义理解以及多语言处理，并能根据语音触发 API 或生成摘要。成本不到同类闭源方案的一半，适用于企业生产环境部署。
多种语言
使用 Gemini 2.5 进行高级音频对话和生成
Gemini 2.5 在 I/O 大会上展示了原生音频对话和生成能力，包括自然对话、风格控制、工具集成、多语言性等特性，提升了实时交互体验，并支持多种语音输出形式。
simple-subtitling：一个专注于音频字幕生成的项目
simple-subtitling 是一个生成包含演讲者ID和时间戳的音频字幕项目，支持多种语言，通过音频样本指定演讲者身份，并使用先进算法实现高精度语音识别和聚类。
Adobe新的AI Translate Audio and Video 语音翻译功能 将视频人物语言直接改变
新的 Firefly Web 应用程序提供了一套由 Firefly 系列模型支持的工具，直接集成到 Adobe 应用程序中，新增了语音和视频翻译功能。
实测，小红书正式上线翻译功能
小红书宣布翻译功能正式上线，支持多语言和网络用语一键翻译。新增的搜索结果图片翻译和优先英文筛选能力方便非中国内地用户。用户点赞效率提升和即时获取日本网友对新番吐槽的功能。不过，中英文混合笔记或图文结合图片外文情况无法直接翻译。
今日软荐：开发者的翻译神器：Languine，轻松搞定多语言应用！
Languine是一款AI驱动的翻译助手，支持100多种语言，提供智能检测、高效集成和高质量翻译等功能，适用于应用国际化、动态内容更新及团队协作场景。