上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 126 下一页
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(27) 评论(0) 推荐(0)
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(36) 评论(0) 推荐(0)
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(25) 评论(0) 推荐(0)
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(40) 评论(0) 推荐(0)
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(58) 评论(0) 推荐(0)
摘要: 本期编辑:@三水、@鲍勃 01 有话题的技术 1、MiniMax 发布视频生成模型 H3:登顶 Design Arena 三项视频榜单 MiniMax H3 在 Design Arena 视频评测中取得三项榜单第一,覆盖文本生成视频、图像生成视频和视频编辑等方向。H3 面向多模态视频生成场景设计,支 阅读全文
posted @ 2026-08-08 00:17 RTE开发者社区 阅读(47) 评论(0) 推荐(0)
摘要: 本期编辑:@三水、@鲍勃 01 有话题的技术 1、Bland 发布 Speech v3 语音引擎:基于 1 亿+真人通话数据训练 Bland 发布 Speech v3 语音模型,并将其定位为「人类语音引擎」。该模型基于超过 1 亿次真人通话数据训练,Speech v3 在 Audio Realism 阅读全文
posted @ 2026-08-07 00:40 RTE开发者社区 阅读(37) 评论(0) 推荐(0)
摘要: 前面的话 在上一篇中,我们讨论了 ChatGPT Voice for Codex 的「双循环」架构:语音对话负责实时地听、说与协调,Agent Runtime 则负责持久地执行、协作与交付,两者通过 Handoff 机制连接起来。 但解决了「语音与 Agent 如何连接」,并不意味着 Voice A 阅读全文
posted @ 2026-08-06 23:35 RTE开发者社区 阅读(11) 评论(0) 推荐(0)
摘要: 本期编辑:@三水、@鲍勃 01 有话题的技术 1、OpenAI 披露 GPT-Live 实时语音架构:全双工流式推理,WARP 将 WebRTC 启动从 6 个网络往返降至 1 个 OpenAI 发布 GPT-Live 工程解析,首次公开实时语音系统的核心架构设计。GPT-Live 不再依赖传统轮次 阅读全文
posted @ 2026-08-05 23:19 RTE开发者社区 阅读(44) 评论(0) 推荐(0)
摘要: 本期编辑:@三水、@鲍勃 01 有话题的技术 1、PolyAI 发布 Dialog-RSN-1 音频原生对话模型:融合轮次控制、语音识别与函数调用能力 PolyAI 发布面向企业语音交互场景的 Dialog-RSN-1 模型,并开放 Agent Studio 平台。该模型直接处理用户音频输入,将轮次 阅读全文
posted @ 2026-08-05 00:09 RTE开发者社区 阅读(51) 评论(0) 推荐(0)
上一页 1 ··· 7 8 9 10 11 12 13 14 15 ··· 126 下一页