[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(345) 评论(0) 推荐(0)
2026年8月
Noiz AI 发布实时可交互音视频世界模型 HelixWorld，支持 48kHz 立体声；FireRedTeam 开源 FireRedTTS3，支持语义与声学编辑丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、开源 C++ 本地音频推理框架 audio.cpp ：覆盖 49 个模型家族，部分 TTS 路径较 Python 实现最高加速 8× audio.cpp 是一个基于 ggml 的本地音频推理框架，用统一 C++ Runtime 运行 TTS、ASR、 阅读全文
posted @ 2026-08-17 22:50 RTE开发者社区 阅读(12) 评论(0) 推荐(0)
小红书开源连续自回归语音合成模型 dots.tts：打造可持续扩展的 TTS 基座；ElevenLabs 上线 Sounds 免费 AI 音效与 Loop 库丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、ElevenLabs 上线 Sounds on ElevenMusic：免费提供 AI 音效与 Loop，支持文本生成新声音 ElevenLabs 在 ElevenMusic 上线 Sounds 免费音效库，用户可以直接浏览、试听和下载 AI 生成的 阅读全文
posted @ 2026-08-15 01:30 RTE开发者社区 阅读(7) 评论(0) 推荐(0)
Deepgram 推出 Flux TTS 支持跨轮次上下文与打断；Anthropic 计划 60 亿美元收购实时生成 AI 公司 Decart AI丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、Lychee-FD 开源原生端到端全双工语音模型：多流 vLLM 推理加速 2.96×，长对话显存增量降低约 23% 哈工大（深圳）等团队开源 Lychee-FD，一种面向实时语音交互的原生端到端全双工语音语言模型，并入选 ACL 2026 Outs 阅读全文
posted @ 2026-08-14 01:17 RTE开发者社区 阅读(11) 评论(0) 推荐(0)
哔哩哔哩开源 IndexTTS-2.5，支持 5 语种情感复刻；西湖心辰完成数亿元 B+ 轮融资，持续布局语音 AI 与原生多模态实时互动丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、哔哩哔哩 IndexTTS 团队开源 IndexTTS-2.5：支持 5 种语言与跨语种情感复刻，推理速度快于 IndexTTS-2 IndexSpeech 团队正式开源 IndexTTS-2.5，针对 IndexTTS-2 的多语言、情绪表现和推理 阅读全文
posted @ 2026-08-12 23:32 RTE开发者社区 阅读(7) 评论(0) 推荐(0)
活动报名｜凤凰学院 × RTE 开发者社区：从前沿技术到 IP 增长，探索 AI 潮玩新范式
摘要： 当 AI 从屏幕走向真实世界，潮玩、硬件与实时交互正在成为新的创新试验场。 8 月 14 日，凤凰学院第十一期联合 RTE 开发者社区在北京举办「技术・IP・增长——前沿技术赋能潮玩与商业新范式」主题活动，邀请来自 AI 潮玩、智能硬件、Voice AI 与创业一线的嘉宾，从技术实现、产品创新到 I 阅读全文
posted @ 2026-08-12 22:52 RTE开发者社区 阅读(3) 评论(0) 推荐(0)
NVIDIA 发布 Magpie TTS 多语种 Voice Agent 部署指南；DuplexGen 开源面向全双工语音交互的对话数据合成框架丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、NVIDIA 发布 Magpie TTS Multilingual Voice Agent 部署指南：12 语种支持，B200 单流首音延迟 32ms NVIDIA 发布 Magpie TTS Multilingual 的 Voice Agent 部 阅读全文
posted @ 2026-08-12 01:13 RTE开发者社区 阅读(16) 评论(0) 推荐(0)
音频智能公司 Noiz 完成数千万元种子轮融资；英伟达开源语音推理运行时 NeMo-Speech.cpp丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、Qwen 开源 Qwen-MM-Plugins：以 Skill + MCP 接入多模态能力，覆盖图像、视频、3D 与 CAD Qwen 开源 Qwen-MM-Plugins，为不同 Agent Harness 提供可独立安装的多模态能力。项目将每项能 阅读全文
posted @ 2026-08-11 23:34 RTE开发者社区 阅读(16) 评论(0) 推荐(0)
OpenAI 首款 AI 硬件曝光：甜甜圈形状无屏智能音箱 300–400 美元；OpenAI 与 Pion 合作构建 Go 语言 Opus 解码器丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、阿里发布 AI 语音平台 CosyVoice Studio：集成语音记录、语音智能体与音频创作能力 阿里巴巴推出一站式 AI 语音平台 CosyVoice Studio，基于自研语音模型 Qwen-Audio 构建，整合语音记录、实时语音智能体和 A 阅读全文
posted @ 2026-08-08 22:35 RTE开发者社区 阅读(14) 评论(0) 推荐(0)
一边语音聊天，一边让 Agent 干活：最火爆的 7 个 Voice Coding Agent 大盘点丨Voice Agent 学习笔记
摘要： 图：disbrief.com 「前台交流、后台工作」，正在成为 Voice AI 近期的一股重要技术与产品思潮，也让实时多模态模型与编程模型找到了一个更自然的交汇点。 你可以一边和 Coding Agent 说「帮我改一下这个 API 的返回结构」，一边继续追问「进度到哪了」，甚至在它还在运行测试时 阅读全文
posted @ 2026-08-08 22:09 RTE开发者社区 阅读(16) 评论(0) 推荐(0)
RTE 开发者社区 × 微信小程序开发大赛，最高十万元奖金，入围获微信面试机会！
摘要： 🌏 面向全球开发者的「2026 微信小程序开发大赛」正式启动！ RTE 开发者社区作为本次赛事支持单位之一，邀请关注 Conversation AI、Voice AI 和下一代智能交互体验的开发者参与探索。 随着 AI 从「聊天工具」走向真实场景，小程序正在成为连接用户与智能服务的重要入口。本次大 阅读全文
posted @ 2026-08-08 00:42 RTE开发者社区 阅读(24) 评论(0) 推荐(0)
下一页