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(353) 评论(0) 推荐(0)

2026年9月

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(8) 评论(0) 推荐(0)

Lokutor 发布 CPU 原生 Voice Agent 栈，可部署在本地；AI 助听器公司 Fortell 融资 1.63 亿美元，自研芯片实时分离语音与噪声丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、Voice AI 公司 Lokutor 推出 CPU 原生 Voice Agent 技术栈：转写、轮次判断与语音合成无需 GPU，可部署到本地和设备端马德里的 Voice AI 公司 Lokutor 正在把整套语音智能体链路重做到普通 CPU 上。阅读全文

posted @ 2026-09-21 23:06 RTE开发者社区阅读(10) 评论(0) 推荐(0)

可靠、安静、自动运行：8 个 Jev 实时 AI 实验丨Voice Agent 学习笔记

摘要：理想的自动化，应该在后台运行，甚至让你根本不需要看它。 ——TypeSafe 创始人 Diego Almeida 用户刚说出「go back」，浏览器就已经返回了上一页，甚至没等他把话说完。这是开发者 Moritz Kremb 最近制作的一个语音控制浏览器实验。他将实时语音转写与 TypeSafe 阅读全文

posted @ 2026-09-21 22:44 RTE开发者社区阅读(19) 评论(0) 推荐(0)

TypeSafe AI 实时决策模型Jev 语音智能体案例分享；蚂蚁发布 Realtime-Venus，全双工对话与后台任务并行丨日报

摘要：本期编辑：@三水、@鲍勃 01 有话题的技术 1、TypeSafe AI 发布决策模型 Jev：不生成文本，直接返回概率和结构化判断 TypeSafe AI 发布首个 System One 模型 Jev，面向软件里的分类、评分、路由和决策任务。与先让 LLM 生成一段文本、再解析成结构化结果不同，J 阅读全文

posted @ 2026-09-21 22:08 RTE开发者社区阅读(11) 评论(0) 推荐(0)

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(10) 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(13) 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(8) 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(11) 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(12) 评论(0) 推荐(0)

公告