阿里通义千问团队发布了“王炸”级语音识别模型Qwen3-ASR-Flash，不仅能精准识别11种语言、多种口音，还能搞定英文Rap、方言和复杂噪音环境。更厉害的是，它在多项基准测试中超越了谷歌Gemini-2.5-Pro和OpenAI GPT-4o-Transcribe等顶尖模型，用户还能通过提供上下文进行“私人定制”识别结果，简直是语音识别领域的“天花板”！

这款利兹议员马克·西沃兹的AI数字助理，作为首个议员AI分身，旨在通过语音交互提供公共服务。评测显示，尽管其核心功能具备，但在处理地区性口音时（如约克郡口音）存在明显识别障碍，严重影响了易用性和准确性，凸显了AI语音识别技术在复杂语言环境下的局限性，其全面效用仍需进一步技术提升。

Mistral AI发布的Voxtral作为开放权重ASR大模型，通过端到端集成语音识别与语言理解，不仅在性能和成本上超越现有竞品，更以其开源策略重塑语音AI产业格局。这一突破预示着更智能、高隐私保障的语音人机交互新范式，加速了企业数字化转型与多模态AI的全面普及。