摘要:
本期编辑:@三水 @鲍勃 01 有话题的技术 1、NVIDIA 开放语音转录模型 Nemotron 3.5 Transcribe:识别多人重叠发言,统一支持 40 种语言转录与音频理解 NVIDIA 发布开放权重语音模型 Nemotron 3.5 Transcribe,采用混合专家(MoE)架构,总 阅读全文
posted @ 2026-10-31 00:00
RTE开发者社区
阅读(29)
评论(0)
推荐(0)
摘要:
和 AI 说话时,你可能停顿几秒组织语言,也可能在它回答到一半时打断、改变主意。人通常能根据语气、停顿和上下文判断何时接话,AI 却未必。多人同时说话时,它还要分辨谁在说话、是否对自己说,以及是否需要回应。 随着语音与多模态模型的发展,AI 的实时交互能力不断提升。但要真正参与持续变化的对话,仍需解 阅读全文
posted @ 2026-10-30 23:29
RTE开发者社区
阅读(20)
评论(0)
推荐(0)
摘要:
一年前,开发者用 AI 写代码,大多还是让它补全几行、改一个函数。今天,Claude Code、Codex 这类工具已经能读懂整个项目,自己调用工具,连续执行几个小时的任务。 Agent 能做的事多了,开发者遇到的问题也变了。调用超时后能不能放心重试?跑到第四十步时,Agent 还记不记得前面做过什 阅读全文
posted @ 2026-10-30 13:30
RTE开发者社区
阅读(29)
评论(0)
推荐(0)
摘要:
在安静的房间里,你可以轻松地与 AI 对话。但如果站在嘈杂的马路边,对着汽车说一句「打开后备箱」,它还能准确听懂吗?如果身边有几个人同时说话,AI 能否判断谁才是正在向它发出指令的人?如果用户说的是一个生僻地名、带有明显地区口音的普通话或方言,或者在网络不稳定的环境中持续对话,它又该如何应对? 这些 阅读全文
posted @ 2026-10-30 12:35
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、科大讯飞发布语音基座大模型 SparkAudio 1.0:统一解析人声与环境音,采用分层架构优化语音任务 科大讯飞发布基于全国产算力训练的语音基座大模型 SparkAudio 1.0,将语音内容、环境声音、说话人关系及时间序列信息纳入统一音频预训练, 阅读全文
posted @ 2026-10-30 00:08
RTE开发者社区
阅读(29)
评论(0)
推荐(0)
摘要:
如果视频也能像游戏一样,随时响应你的操作,会是什么体验?你可以让画面中的角色转身、换件衣服,也可以通过触控与桌面上的虚拟宠物互动。 这样的体验对视频 AI 提出了新的要求:模型不仅要及时理解用户的操作、快速生成后续画面,还需要在持续互动中保持画面质量,并控制运行成本。 但视频 AI 的探索不止于实时 阅读全文
posted @ 2026-10-28 23:35
RTE开发者社区
阅读(17)
评论(0)
推荐(0)
摘要:
本期编辑:@三水 @鲍勃 01 有话题的技术 1、Liquid AI 开源 LFM3 系列:六款 2B 级模型覆盖文本、语音、视觉与决策,支持单 GPU 微调和端侧部署 Liquid AI 发布新一代基础模型系列 LFM3,一次推出 6 款开放权重模型,覆盖文本、视觉、语音、全模态理解和决策任务。所 阅读全文
posted @ 2026-10-28 22:43
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、腾讯混元开源 Hy-SimulMT 同声传译模型:30B-A3B 支持中英双向实时翻译,约 3 秒流式延迟与跨语言音色克隆 腾讯混元正式发布并开源同声传译大模型 Hy-SimulMT,支持中文与英语之间的双向实时语音翻译。模型能够持续接收说话人的音频 阅读全文
posted @ 2026-10-28 21:30
RTE开发者社区
阅读(23)
评论(0)
推荐(0)
摘要:
10月23日,iRTE2026实时智能大会在北京举行。声网创始人兼 CEO 赵斌在主论坛发表题为《对话 AGI:实时互动的下一章》的演讲,回顾了过去一年实时互动、对话式 AI 与底层基础设施的关键变化,并提出“五级对话能力”框架,勾勒对话式 AI 从基础应答走向深度理解与关系沟通的演进路径。 赵斌认 阅读全文
posted @ 2026-10-27 00:06
RTE开发者社区
阅读(19)
评论(0)
推荐(0)
摘要:
本期编辑:@三水 @鲍勃 01 有话题的技术 1、Square、Cash App 母公司 Block 发布纯语音全双工模型 Dessa:无需文本和预训练模型,单机柜训练、MacBook M4 Max 本地运行 Square、Cash App 母公司 Block 发布全双工语音模型 Dessa 研究预 阅读全文
posted @ 2026-10-26 23:00
RTE开发者社区
阅读(33)
评论(0)
推荐(0)
浙公网安备 33010602011771号