RTE开发者社区

[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(352) 评论(0) 推荐(0)

2026年9月

Egma 开源 Voice Agent 测试与生产监控平台，模拟通话写进代码仓库；Rene 把 AI 助手藏进 iMessage，多人同聊、跨应用办事丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、语音智能体测试平台 Egma 开源：把模拟通话写进代码仓库，发布前自动跑回归测试 Egma 开源了一套面向 Voice Agent 的测试与生产监控平台，把原本依赖人工反复打电话、试听结果的 QA 流程，变成可以和 Agent 代码一起保存、版本管理阅读全文

posted @ 2026-09-20 18:36 RTE开发者社区阅读(4) 评论(0) 推荐(0)

实时 AI 转写屏蔽工具 Kalypta，人听得懂、ASR 转不出；冰岛声学模拟公司 Treble 融资 1800 万美元，模拟真实噪音环境测试语音 AI丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、Cherry Embedded 开源 MCU 音视频处理库 CherryAVP：统一编解码、WebRTC 3A 与音频效果接口 Cherry Embedded 开源了面向 MCU 的音视频处理库 CherryAVP，希望用一套统一框架覆盖音频编解码、阅读全文

posted @ 2026-09-18 20:12 RTE开发者社区阅读(10) 评论(0) 推荐(0)

Google 发布 Gemini 3.8 Live 双模型，实时语音可边聊边异步调用工具；BuzzASR 开源 102 个单语模型、解决多语言 ASR 广而不精丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 双模型：实时语音可边聊边跑异步 Tool Call，Extended Thinking 支持后台多步推理 Google 推出阅读全文

posted @ 2026-09-16 23:19 RTE开发者社区阅读(6) 评论(0) 推荐(0)

阶跃发布 StepAudio 3 系列，全双工模型可边聊边调用工具；前苹果研究员创办 Nuance Labs，融资 5000 万美元押注全双工视听模型丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、阶跃发布 StepAudio 3 系列：全双工 Realtime 可边聊边跑调用工具，Gen 统一生成人声、音效与音乐阶跃星辰发布 StepAudio 3 系列，一次上线 Realtime、ASR、TTS、Gen 和 Music 五款模型。相比此前阅读全文

posted @ 2026-09-16 22:47 RTE开发者社区阅读(9) 评论(0) 推荐(0)

农业 Voice AI 公司 Tellia 融资 500 万美元，农民打电话完成巡田记录；端侧 PulseVAD 开源，可部署到ESP32、STM32丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、CMU、台大、NVIDIA 提出 ASR 自纠错方法 Hybrid Search：用隐状态找出易错人名，只在必要位置调用基座 LLM 修正卡内基梅隆大学、台湾大学与 NVIDIA 提出 Hybrid Search，让大音频语言模型在转写过程中自行判阅读全文

posted @ 2026-09-15 23:09 RTE开发者社区阅读(9) 评论(0) 推荐(0)

OpenAI 开放全双工语音模型 GPT-Live-1 API，复杂推理交给 Astra； AI 客服星语智能完成千万级融资：AI 热线日服务超 10 万分钟丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、OpenAI 将全双工语音模型 GPT-Live-1 开放 API：可边听边说，复杂推理交给 GPT-6 Astra 等后端模型 OpenAI 正式将 GPT-Live-1 开放至 API。该模型此前已于 7 月用于 ChatGPT Voice，这次阅读全文

posted @ 2026-09-13 23:43 RTE开发者社区阅读(11) 评论(0) 推荐(0)

GPT‑Live‑1 + Agora 实战教程：做一个能参会、操作看板的 AI 助手

摘要：点击链接，扫码报名大会 2026年9月10日，OpenAI 正式宣布 GPT‑Live‑1 在 API 中可用，将全双工语音体验带给开发者。模型能够同时听说，并将需要推理和工具调用的任务委派给后端处理。 Agora 作为 OpenAI 的合作伙伴，已通过 Conversational AI 支持 G 阅读全文

posted @ 2026-09-13 10:44 RTE开发者社区阅读(8) 评论(0) 推荐(0)

前 OPPO 团队众筹旅行 AI 眼镜，集成影像、语音导览、翻译与离线对讲；蚂蚁开源 Ling-3.0-flash-VL 多模态模型，让 Agent 边做边改丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、蚂蚁开源百灵首个原生多模态模型 Ling-3.0-flash-VL：引入视觉反馈闭环，Agent 可边执行边观察并持续修正蚂蚁开源百灵系列首个原生多模态模型 Ling-3.0-flash-VL。模型基于 Ling-3.0-flash 的 MoE 架阅读全文

posted @ 2026-09-11 11:07 RTE开发者社区阅读(32) 评论(0) 推荐(0)

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(17) 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(13) 评论(0) 推荐(0)

公告