[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(353) 评论(0) 推荐(0)
2026年10月
从 AGI Bar 一路玩到世界人工智能大会，一款 AI 桌游的奇幻之旅丨《Talk With》AI 主题桌游正式发售！
摘要： 玩了一年，今天终于可以把《Talk With》带回家了！ 从 2025 年夏天在北京 AGI Bar 用手写卡牌和瓜子 Token 跑完第一局，到 RTE 大会、黑客松、社区聚会、WAIC，再到最近的世界设计之都大会，《Talk With》跟着 RTE 开发者社区在北京、上海、杭州、旧金山等地试玩了 阅读全文
posted @ 2026-10-01 22:03 RTE开发者社区 阅读(2) 评论(0) 推荐(0)
Amphion 等提出音频自进化框架 EvoAudio：训练数据随模型短板动态调整；OpenAI DevDay 语音接入 Dots、Codex CLI 与 Meetings 插件丨日报
摘要： 本期编辑：@三水 @鲍勃 AMD 将以约 82 亿美元收购世界模型公司 World Labs，李飞飞将出任 AMD 执行副总裁兼首席科学家。 当世界模型开始理解空间、持续模拟环境，并实时响应人的输入，AI 生成的就不再只是一段内容，而可能是一个可以进入、探索和交互的世界。 这也是 RTE 开发者社区 阅读全文
posted @ 2026-10-01 21:30 RTE开发者社区 阅读(7) 评论(0) 推荐(0)
2026年9月
Voice Agent和实时交互模型年度盛会，把握技术风向标！
摘要： https://mp.weixin.qq.com/s/aVZgVjcTKm54VkO_1pCf9A 如果今年只参加一场实时交互模型和 Voice Agent 大会，来 iRTE2026 实时智能大会就够了。在这里，Kimi、MiniMax、阶跃星辰、面壁智能、模思智能、生数科技等国内领先大模型公司将 阅读全文
posted @ 2026-09-30 09:36 RTE开发者社区 阅读(7) 评论(0) 推荐(0)
AMD 约 82 亿美元收购 World Labs，李飞飞出任执行副总裁兼首席科学家；蚂蚁开源声纹模型 MECT，提供支持实时场景的流式版本丨日报
摘要： 本期编辑：@三水、@鲍勃 今天，AMD 将以约 82 亿美元收购世界模型公司 World Labs，李飞飞将出任 AMD 执行副总裁兼首席科学家。 当世界模型开始理解空间、持续模拟环境，并实时响应人的输入，AI 生成的就不再只是一段内容，而可能是一个可以进入、探索和交互的世界。 这也是 RTE 开发 阅读全文
posted @ 2026-09-30 09:16 RTE开发者社区 阅读(9) 评论(0) 推荐(0)
小米开源 4 个 AI 硬件项目：全时记忆配饰、实时语音机器人与机械臂台灯等；科大讯飞发布 Spark-ASR-2.0， 增加动态上下文注入丨日报
摘要： 本期编辑：@三水、@鲍勃 今天日报开头先插播一条：10 月，来北京线下对答案。 当然，答案不一定一样～ 这一年，我们在日报里持续关注实时智能正在发生的变化。从国内到海外，从全双工、端到端语音、Voice Agent、实时多模态、世界模型，到新模型发布、开源项目、产品落地和创业融资，很多问题其实一直在 阅读全文
posted @ 2026-09-29 10:29 RTE开发者社区 阅读(11) 评论(0) 推荐(0)
活动报名：OpenAI 和 Thinking Machines 都押注的实时交互模型，下一步往哪走？丨iRTE 2026
摘要： 过去一年，OpenAI、Thinking Machines Lab 等多模态团队开始把注意力从「生成更拟人的语音回答」，迈向一个更难的问题：AI 如何真正参与一场实时发生的互动。 全双工模型让智能体边听边说，全模态让语音、视觉等信息协同判断，而交互模型又往前一步：此刻这场互动正在发生什么，下一步应该 阅读全文
posted @ 2026-09-29 09:52 RTE开发者社区 阅读(8) 评论(0) 推荐(0)
社区实践：用Gemini 3.8 TTS + Agora 做个实时互动 AI 播客
摘要： Gemini 3.8 TTS 发布：声音定制与语音生成能力升级 9 月 23 日，Google 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS 两款文本转语音模型，带来更灵活的声音定制和表达控制。 Agora 作为 Google 的合作伙伴，支持通过 Gemini 阅读全文
posted @ 2026-09-27 10:10 RTE开发者社区 阅读(11) 评论(0) 推荐(0)
Meta 发布实时数字人 Muse Realtime Avatar，可手持 AI 硬件 Muse Charm；采用 Gemini 3.8 Flash TTS 实时可插话交互的 AI 播客丨日报
摘要： 本期编辑：@三水、@鲍勃 今天日报开头先插播一条：10 月，来北京线下对答案。 当然，答案不一定一样～ 这一年，我们在日报里持续关注实时智能正在发生的变化。从国内到海外，从全双工、端到端语音、Voice Agent、实时多模态、世界模型，到新模型发布、开源项目、产品落地和创业融资，很多问题其实一直在 阅读全文
posted @ 2026-09-25 16:48 RTE开发者社区 阅读(21) 评论(0) 推荐(0)
多模态决策模型 Jev-Omni：支持图文、音视频；上海宣判首例 AI 声音仿冒案：《原神》63 款角色声音被复刻，判赔 75 万元丨日报
摘要： 本期编辑：@三水、@鲍勃 今天日报开头先插播一条：10 月，来北京线下对答案。 这一年，我们在日报里持续关注实时智能正在发生的变化。从国内到海外，覆盖全双工、端到端语音、Voice Agent、实时多模态、世界模型等话题，从新模型发布、开源项目到产品落地和创业融资，我们几乎每天都在记录这个行业又往前 阅读全文
posted @ 2026-09-25 15:56 RTE开发者社区 阅读(15) 评论(0) 推荐(0)
Qwen 云栖大会密集更新语音模型系列，实时翻译、全模态交互与全双工语音；Kyutai 发布 Voice of Reason，强化学习用于语音数学推理丨日报
摘要： 本期编辑：@三水、@鲍勃 01 有话题的技术 1、阿里云栖大会期间 Qwen 连发两款实时语音模型：Qwen3.8-Omni-Flash-Realtime 加入多通道音频、视频聚合与远程 MCP，Qwen-Audio 3.1 Realtime Plus 新增 8 个系统音色 近 4 日，Qwen 密 阅读全文
posted @ 2026-09-22 22:43 RTE开发者社区 阅读(14) 评论(0) 推荐(0)
下一页