摘要：
本期编辑：@三水、@鲍勃 01 有话题的技术 1、Vivix 推出流式多模态互动模型 Vivix-W1：生成过程中可随时加入语音、触控与图像，实时改变后续 Vivix 推出流式多模态互动模型 Vivix-W1，将视频生成从「输入提示词 → 生成固定片段」改成持续运行的音视频流。文本、语音、图像、视频 阅读全文
posted @ 2026-09-08 21:19
RTE开发者社区
阅读(20)
评论(0)
推荐(0)
摘要：
本期编辑：@三水、@鲍勃 01 有话题的技术 1、微软发布批量语音识别模型 MAI-Transcribe-2：新增说话人分离与逐词时间戳，1 小时音频约 10 秒完成转录 Microsoft AI 发布批量语音识别模型 MAI-Transcribe-2。相比 MAI-Transcribe-1.5，新 阅读全文
posted @ 2026-09-05 22:34
RTE开发者社区
阅读(18)
评论(0)
推荐(0)
摘要：
iRTE2026 实时智能大会定档 10月23-24日 北京见 15+论坛、100+场深度演讲 更有丰富的 Side Event 与 RTE+AI 展区 等你来体验👇 阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么 阅读全文
posted @ 2026-09-03 23:21
RTE开发者社区
阅读(25)
评论(0)
推荐(0)
摘要：
本期编辑：@三水、@鲍勃 01 有话题的技术 1、Inworld AI 发布实时 TTS 模型 Realtime TTS-2：从单句合成升级为多轮音频感知，可用自然语言控制语气 Inworld AI 发布 Realtime TTS-2，相比 Realtime TTS 1.5 主要根据当前文本生成语音 阅读全文
posted @ 2026-09-03 23:00
RTE开发者社区
阅读(52)
评论(0)
推荐(0)
摘要：
本期编辑：@三水、@鲍勃 01 有话题的技术 1、Meta 发布实时音频感知模型 Muse Voice Transcribe：单模型完成流式 ASR、20+ 人说话人分离与端点检测 Meta Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcr 阅读全文
posted @ 2026-09-03 22:12
RTE开发者社区
阅读(24)
评论(0)
推荐(0)
摘要：
单次推理优化或速度本身从不是护城河。我们最关心的是：面对新的模型和架构，我们能多快跟进？——Batuhan Taskaya，Fal 创始工程师 MiniMax H3 MAX 「24 小时直播、无限 AI 生成」的爆火，让训练该模型的公司 Fal 进入开发者视野。 基于 MiniMax H3 后训练而 阅读全文
posted @ 2026-09-02 21:53
RTE开发者社区
阅读(21)
评论(0)
推荐(0)
摘要：
本期编辑：@三水、@鲍勃 01 有话题的技术 1、AI 视频生成公司 Runway 发布首个「界面世界模型」 Solaris：不用生成代码，直接逐帧实时生成可交互 App 和网页 AI 视频生成公司 Runway 发布 Solaris，并将其定义为首个 Interface World Model（界 阅读全文
posted @ 2026-09-02 21:08
RTE开发者社区
阅读(28)
评论(0)
推荐(0)
摘要：
本期编辑：@三水、@鲍勃 01 有话题的技术 1、Anthropic 开放硬件标准 MHS 研究预览：让 AI Agent 统一操控实验设备，硬件集成从数周缩短到数小时 Anthropic 开放 Model Hardware Standard（MHS）研究预览，一套让 AI Agent 安全操作现实 阅读全文
posted @ 2026-09-01 23:56
RTE开发者社区
阅读(18)
评论(0)
推荐(0)
摘要：
WebRTC 里很多机制最初是针对人类感官调优的……那些专为人类会议场景打造的设计，搬到 AI 时代都需要重新审视与校准。——Justin Uberti 如果你在浏览器里打过视频电话、开过在线会议，背后大概率都有 WebRTC 的影子。Justin 是 WebRTC 最初的架构师之一，曾任 Goog 阅读全文
posted @ 2026-09-01 23:27
RTE开发者社区
阅读(22)
评论(0)
推荐(0)
浙公网安备 33010602011771号