上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 126 下一页
摘要: 本期编辑:@三水、@鲍勃 01 有话题的技术 1、OpenAI 将全双工语音模型 GPT-Live-1 开放 API:可边听边说,复杂推理交给 GPT-6 Astra 等后端模型 OpenAI 正式将 GPT-Live-1 开放至 API。该模型此前已于 7 月用于 ChatGPT Voice,这次 阅读全文
posted @ 2026-09-13 23:43 RTE开发者社区 阅读(38) 评论(0) 推荐(0)
摘要: 点击链接,扫码报名大会 2026年9月10日,OpenAI 正式宣布 GPT‑Live‑1 在 API 中可用,将全双工语音体验带给开发者。模型能够同时听说,并将需要推理和工具调用的任务委派给后端处理。 Agora 作为 OpenAI 的合作伙伴,已通过 Conversational AI 支持 G 阅读全文
posted @ 2026-09-13 10:44 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、蚂蚁开源百灵首个原生多模态模型 Ling-3.0-flash-VL:引入视觉反馈闭环,Agent 可边执行边观察并持续修正 蚂蚁开源百灵系列首个原生多模态模型 Ling-3.0-flash-VL。模型基于 Ling-3.0-flash 的 MoE 架 阅读全文
posted @ 2026-09-11 11:07 RTE开发者社区 阅读(61) 评论(0) 推荐(0)
摘要: 本期编辑:@三水、@鲍勃 01 有话题的技术 1、语音数据公司 The Agentic Data Company 发布全双工对话数据集 Open Yap 1K:1000 小时真实双人对话,可免费用于商业训练 语音数据公司 The Agentic Data Company 发布全双工自然对话数据集 O 阅读全文
posted @ 2026-09-08 22:13 RTE开发者社区 阅读(45) 评论(0) 推荐(0)
摘要: OpenAI 最近发布了 GPT-6 Astra。 看过 Demo 视频的人应该会注意到:Astra 展示 Computer Use 的方式,已经不同于我们坐在电脑前打字、等待 Agent 执行任务——人在持续说,AI 一边听、一边操作电脑,也可以随时被打断、纠正和重新引导。 AI 正从「会思考」, 阅读全文
posted @ 2026-09-08 21:35 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、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(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、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(34) 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(46) 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(80) 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(37) 评论(0) 推荐(0)
上一页 1 ··· 4 5 6 7 8 9 10 11 12 ··· 126 下一页