上一页 1 2 3 4 5 6 7 8 ··· 126 下一页
摘要: 本期编辑:@三水 @鲍勃 01 有话题的技术 1、Meta 提出全双工语音模型新架构 RUBATO:让 AI 边听边说边思考,推理回答速度提升 6.5 倍 Meta FAIR 与得克萨斯大学奥斯汀分校的研究团队提出 RUBATO,一种面向全双工语音模型的多流位置编码方法。该方法将实时语音交互与内部推 阅读全文
posted @ 2026-10-24 00:44 RTE开发者社区 阅读(85) 评论(0) 推荐(0)
摘要: 北京气温骤降,iRTE 2026 依然火热! 实时智能 Builder 聚集! 2026 年 10 月 23 日~10 月 24 日,由声网和 RTE 开发者社区联合主办的 「iRTE 2026 实时智能大会」将在北京·悠唐皇冠假日酒店正式开启! RTE Open Day 携手近 20 家伙伴齐聚大 阅读全文
posted @ 2026-10-23 01:13 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、法国 AI 公司 Mistral 发布 Voxtral 3 语音模型与 Voice Agent SDK:实时转写延迟低于 500ms,支持 ASR、LLM、TTS 按需替换 法国 AI 公司 Mistral AI 发布新一代语音模型系列 Voxtra 阅读全文
posted @ 2026-10-22 00:43 RTE开发者社区 阅读(38) 评论(0) 推荐(0)
摘要: Anthropic 用 M5Stack 做了 Claude Desktop Buddy,能在桌面设备上查看 Claude 的工作状态、通过按键确认操作。这块小设备,也给 AI 与硬件的结合提供了更多想象。 这次在 iRTE 2026 大会,我们把 声网 Agora、M5Stack、MiniMax 带 阅读全文
posted @ 2026-10-21 00:43 RTE开发者社区 阅读(21) 评论(0) 推荐(0)
摘要: 从让 AI 听懂我们说什么,到像人一样自然交流,中间究竟还有多少难题? 多说话人识别、热词检索、空间声场感知、多语言识别、实时音频传输、语音克隆安全…… 这些音频技术问题正在 AI 时代迎来新挑战。 当语音交互从人与人,拓展到人与 AI,乃至多人、多智能体之间,哪些问题变得更加重要?又有哪些新的技术 阅读全文
posted @ 2026-10-21 00:11 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、蚂蚁百灵开源 Ming-3.0 语音系列:五款模型覆盖语音合成、音频理解与识别,支持自然语言设计音色和导演式情绪控制 蚂蚁集团百灵大模型团队于 10 月 20 日开源 Ming-3.0 语音系列,共推出五款模型,分别面向声音创作、长音频理解与分析、业 阅读全文
posted @ 2026-10-20 23:48 RTE开发者社区 阅读(49) 评论(0) 推荐(0)
摘要: 想象一下:AI 不仅能看懂眼前的画面,还能记住过去;虚拟角色能实时回应你的指令,画面也随互动实时演变。 这不再是单向的「视频生成」。随着长时记忆、超低延迟与流式生成等技术的突破,视频 AI 正演进为集深度感知、连续认知与实时交互于一体的全新系统。 如何让 AI 在感知中建立记忆,实现无感延迟与角色一 阅读全文
posted @ 2026-10-20 22:17 RTE开发者社区 阅读(38) 评论(0) 推荐(0)
摘要: 本期编辑:@三水 @鲍勃 01 有话题的技术 1、字节跳动上线数字人视频生成模型 OmniHuman 2.0:理解音频语义与情绪,支持最长 5 分钟连续镜头,成本降低超 40% 字节跳动通过 BytePlus 正式推出 OmniHuman 2.0,将音频驱动的数字人视频生成能力从口型同步扩展至语义理 阅读全文
posted @ 2026-10-20 21:56 RTE开发者社区 阅读(26) 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 发布实时语音模型 GPT-Live-1.1:新增 13 种音色,提升多语言口音与任务委派能力 OpenAI 发布新一代实时语音模型 GPT-Live-1.1 及其轻量版本 GPT-Live-1.1 Quip,重点改善多语言语音表现、对话 阅读全文
posted @ 2026-10-17 02:13 RTE开发者社区 阅读(59) 评论(0) 推荐(0)
摘要: 如果你是语音智能体的开发新人,这是绝不容错过的一场 iRTE 2026 技术论坛! 刚开始做 Voice Agent,最先碰到的往往是一串概念——全双工、VAD、级联、端到端,再往后还有 Memory、Tool call 和 SIP。每个词单独查都能看懂,可真放进一个项目里,先做哪个、后做哪个,每个 阅读全文
posted @ 2026-10-17 01:42 RTE开发者社区 阅读(32) 评论(0) 推荐(0)
上一页 1 2 3 4 5 6 7 8 ··· 126 下一页