[置顶] 保姆级教程！集成声网 SDK 实现 iOS 平台音视频通话和虚拟背景功能
摘要： 大家好，我是声网 RTE 开发者社区作者 @小曾同学。 如果你想实现 iOS 平台的音视频通话，想在音视频通话中添加虚拟背景，那这篇文章完全可以借鉴。使用 swift 语言，集成声网 SDK 实现音视频通话，并调用 enableVirtualBackground 接口添加虚拟背景，小伙伴们赶快跟着小 阅读全文
posted @ 2023-03-30 10:26 RTE开发者社区 阅读(351) 评论(0) 推荐(0)
2026年9月
Open Yap 1K 开源 1000 小时全双工真人对话数据，可免费商用；字节被曝基于 Seedance 开发实时空间视频世界模型丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、语音数据公司 The Agentic Data Company 发布全双工对话数据集 Open Yap 1K：1000 小时真实双人对话，可免费用于商业训练 语音数据公司 The Agentic Data Company 发布全双工自然对话数据集 O 阅读全文
posted @ 2026-09-08 22:13 RTE开发者社区 阅读(5) 评论(0) 推荐(0)
Astra 的发布，正解释此刻为何讨论实时智能
摘要： OpenAI 最近发布了 GPT-6 Astra。 看过 Demo 视频的人应该会注意到：Astra 展示 Computer Use 的方式，已经不同于我们坐在电脑前打字、等待 Agent 执行任务——人在持续说，AI 一边听、一边操作电脑，也可以随时被打断、纠正和重新引导。 AI 正从「会思考」， 阅读全文
posted @ 2026-09-08 21:35 RTE开发者社区 阅读(5) 评论(0) 推荐(0)
Vivix 发布流式多模态模型 Vivix-W1：边生成边用语音、触控实时改写；OpenAI 更新 Codex Voice，编码线程可随时切语音继续聊丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、Vivix 推出流式多模态互动模型 Vivix-W1：生成过程中可随时加入语音、触控与图像，实时改变后续 Vivix 推出流式多模态互动模型 Vivix-W1，将视频生成从「输入提示词 → 生成固定片段」改成持续运行的音视频流。文本、语音、图像、视频 阅读全文
posted @ 2026-09-08 21:19 RTE开发者社区 阅读(6) 评论(0) 推荐(0)
Thinking Machines Lab 洽谈 10 亿美元融资，估值 400 亿美元；微软发布 MAI-Transcribe-2，1 小时音频 10 秒转完丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、微软发布批量语音识别模型 MAI-Transcribe-2：新增说话人分离与逐词时间戳，1 小时音频约 10 秒完成转录 Microsoft AI 发布批量语音识别模型 MAI-Transcribe-2。相比 MAI-Transcribe-1.5，新 阅读全文
posted @ 2026-09-05 22:34 RTE开发者社区 阅读(14) 评论(0) 推荐(0)
定档！从对话式 AI 到实时智能，Voice Agent Builder 的年度春晚 iRTE2026 来了丨10 月23-24 日，北京见！
摘要： iRTE2026 实时智能大会定档 10月23-24日 北京见 15+论坛、100+场深度演讲 更有丰富的 Side Event 与 RTE+AI 展区 等你来体验👇 阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么 阅读全文
posted @ 2026-09-03 23:21 RTE开发者社区 阅读(8) 评论(0) 推荐(0)
微软 VibeVoice 新增开源流式 ASR 模型，边听边识别「谁说了什么」；fal 开源 H3 Max 实时教育系统，语音讲解同步生成教学动画丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、Inworld AI 发布实时 TTS 模型 Realtime TTS-2：从单句合成升级为多轮音频感知，可用自然语言控制语气 Inworld AI 发布 Realtime TTS-2，相比 Realtime TTS 1.5 主要根据当前文本生成语音 阅读全文
posted @ 2026-09-03 23:00 RTE开发者社区 阅读(33) 评论(0) 推荐(0)
Meta 发力语音模型，Muse Voice Transcribe 突破 20+人分离与中英混说；Datapoint 开源 31.5 万次客服场景盲评 TTS 偏好数据丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、Meta 发布实时音频感知模型 Muse Voice Transcribe：单模型完成流式 ASR、20+ 人说话人分离与端点检测 Meta Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcr 阅读全文
posted @ 2026-09-03 22:12 RTE开发者社区 阅读(16) 评论(0) 推荐(0)
MiniMax H3 MAX 的 AI 直播火了：背后这家估值 45 亿美元的推理独角兽却鲜为人知丨Voice Agent 学习笔记
摘要： 单次推理优化或速度本身从不是护城河。我们最关心的是：面对新的模型和架构，我们能多快跟进？——Batuhan Taskaya，Fal 创始工程师 MiniMax H3 MAX 「24 小时直播、无限 AI 生成」的爆火，让训练该模型的公司 Fal 进入开发者视野。 基于 MiniMax H3 后训练而 阅读全文
posted @ 2026-09-02 21:53 RTE开发者社区 阅读(15) 评论(0) 推荐(0)
Runway 发布「界面世界模型」Solaris ，不生成代码、实时渲染可交互 App；Sesame 开源 TurnBench，14 套轮次系统无一做到又快又准丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、AI 视频生成公司 Runway 发布首个「界面世界模型」 Solaris：不用生成代码，直接逐帧实时生成可交互 App 和网页 AI 视频生成公司 Runway 发布 Solaris，并将其定义为首个 Interface World Model（界 阅读全文
posted @ 2026-09-02 21:08 RTE开发者社区 阅读(24) 评论(0) 推荐(0)
MiniMax H3 Max Live 开启无限 AI 直播时代；Anthropic 开放 MHS 硬件标准，统一 Agent 操作硬件的规范丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、Anthropic 开放硬件标准 MHS 研究预览：让 AI Agent 统一操控实验设备，硬件集成从数周缩短到数小时 Anthropic 开放 Model Hardware Standard（MHS）研究预览，一套让 AI Agent 安全操作现实 阅读全文
posted @ 2026-09-01 23:56 RTE开发者社区 阅读(13) 评论(0) 推荐(0)
下一页