RTE开发者社区

2024年12月

腾讯 StereoCrafter：2D 视频转 3D 视频效果；支付宝推出新 AI 视觉搜索产品「探一下」丨 RTE 开发者日报

摘要：开发者朋友们大家好：这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」，但内容仅代表编辑阅读全文

posted @ 2024-12-30 14:56 RTE开发者社区阅读(45) 评论(0) 推荐(0)

智谱开源 CogAgent-9B，让 AI「看懂」屏幕；Anthropic：大多数任务无需复杂 AI 智能体

posted @ 2024-12-27 18:15 RTE开发者社区阅读(172) 评论(0) 推荐(0)

Chrome 或引入 Gemini AI 功能「Glic」，需访问麦克风；理想同学 App 即将上线支持语音交流、识物

posted @ 2024-12-26 18:49 RTE开发者社区阅读(76) 评论(0) 推荐(0)

对话 Project Astra 研究主管：打造通用 AI 助理，主动视频交互和全双工对话是未来重点

摘要： Project Astra 愿景之一：「系统不仅能在你说话时做出回应，还能在持续的过程中帮助你。」近期，Google DeepMind 的 YouTube 频道采访了 Google DeepMind 研究主管格雷格·韦恩 (Greg Wayne)。格雷格·韦恩的研究工作为 DeepMind 的诸阅读全文

posted @ 2024-12-25 23:04 RTE开发者社区阅读(219) 评论(0) 推荐(0)

阿里发布多模态推理模型 QVQ-72B，视觉、语言能力双提升；OpenAI 正在研发人形机器人丨 RTE 开发者日报

posted @ 2024-12-25 20:38 RTE开发者社区阅读(81) 评论(0) 推荐(0)

Hume 语音模型 OCTAVE：实现情感语音合成、声音克隆和多角色对话生成；通义开源多模态说话人识别项目 3D-Speaker

摘要：开发者朋友们大家好：这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」，但内容仅代表编阅读全文

posted @ 2024-12-24 18:17 RTE开发者社区阅读(205) 评论(0) 推荐(0)

OpenAI 推出嵌入式硬件 SDK，支持 ESP32 语音开发；INFP：音频驱动的双人对话头像生成，自动区分说话者和倾听者

摘要：开发者朋友们大家好：这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的新闻」、「有态度的观点」、「有意思的数据」、「有思考的文章」、「有看点的会议」，但内容仅代表编辑的阅读全文

posted @ 2024-12-23 20:18 RTE开发者社区阅读(178) 评论(0) 推荐(0)

这家语音 AI 公司新融资 2700 万美元，并预测了 2025 年语音技术趋势

摘要： 12 月 13 日，语音 AI 初创公司 Cartesia 宣布完成了新一轮 2700 万美元的融资，由知名风投机构 Index Ventures 领投。 Cartesia 由 Karan Goel 和 Albert Gu 联合创立，专注于开发基于状态空间模型（SSM）的创新架构，该架构以其卓越阅读全文

posted @ 2024-12-23 15:47 RTE开发者社区阅读(235) 评论(0) 推荐(0)

GPT 论文作者 Alec Radford 离开 OpenAI，曾参与开发 Whisper；闪极 AI 拍照眼镜支持全天候记录

posted @ 2024-12-20 17:25 RTE开发者社区阅读(61) 评论(0) 推荐(0)

李飞飞团队多模态模型统一动作与语言；OpenAI 推出电话服务，让更多人与 Chatgpt 对话丨 RTE 开发者日报

posted @ 2024-12-19 19:22 RTE开发者社区阅读(93) 评论(0) 推荐(0)

公告