RTE开发者社区

2025年5月

Kyutai 推出模块化语音 AI 工具 Unmute，赋予大模型语音能力；开源语音硬件「小智 AI 」演示视觉理解能力丨日报

摘要：开发者朋友们大家好：这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement）领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑阅读全文

posted @ 2025-05-26 22:16 RTE开发者社区阅读(125) 评论(0) 推荐(0)

上线 3 天破 500 星，TEN VAD 与 Turn Detection 让 Voice Agent 对话更拟人丨社区来稿

posted @ 2025-05-23 22:19 RTE开发者社区阅读(165) 评论(0) 推荐(0)

微软 Azure 发布 Voice Live API，自带音频处理可自选模型；空间语音翻译：保持环境中说话人方向和声音特征丨日报

posted @ 2025-05-23 22:03 RTE开发者社区阅读(116) 评论(0) 推荐(0)

腾讯推出端到端语音通话模型「混元 Voice」，1.6 秒响应；实时转录工具集体爆发丨日报

posted @ 2025-05-22 20:59 RTE开发者社区阅读(240) 评论(0) 推荐(0)

Gemini 刚发布的「主动音频」和「主动视频」是什么？对谈 Project Astra 主管

摘要：今天的 Google I/O 2025 大会上，实时多模态模型 Gemini Live API 升级了最新功能，除了更加细致的情感理解和双人语音合成，更吸引人注意的便是「主动音频」和「主动视频」功能。主动音频和主动视频是什么？官方开发者 blog 给出了解释：主动音频（Proactive Aud 阅读全文

posted @ 2025-05-21 22:00 RTE开发者社区阅读(154) 评论(0) 推荐(0)

Gemma 3n 新增音视频理解，可在手机运行；Gemini Live API 升级主动音视频，能记录关键事件和适时回应丨日报

posted @ 2025-05-21 21:43 RTE开发者社区阅读(131) 评论(0) 推荐(0)

高能预警！Community Day 20+议题大公开

摘要：盛夏将至一场技术狂欢即将上演热血开发者蓄势待发海量议题即将引爆全场！Community Day 倒计时仅剩一周你准备好了吗？立即报名不错过海量技术干货【时间】 5月25日11:00-20:00【地点】北京市东城区美术馆后街40号·美后肆时论坛1：Next下一代开发范式（时间段：13:3 阅读全文

posted @ 2025-05-20 19:31 RTE开发者社区阅读(51) 评论(0) 推荐(0)

NotebookLM 推出移动版本，音频概览支持实时互动；豆包 AI 耳机支持外教语音智能体 Owen丨日报

posted @ 2025-05-20 18:56 RTE开发者社区阅读(172) 评论(0) 推荐(0)

ListenHub ：短播客内容生成和消费 Agent；Ollama 新引擎支持多模态推理模型，将支持语音生成丨日报

posted @ 2025-05-19 20:18 RTE开发者社区阅读(259) 评论(0) 推荐(0)

posted @ 2025-05-16 22:10 RTE开发者社区阅读(531) 评论(0) 推荐(0)

公告