12 2024 档案

Sense 对话语音 AI：自动电话呼叫加快招聘流程；灵初智能发布端到端强化学习具身模型，实现长程任务泛化
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-31 15:54 声网 阅读(4) 评论(0) 推荐(0) 编辑
腾讯 StereoCrafter：2D 视频转 3D 视频效果；支付宝推出新 AI 视觉搜索产品「探一下」丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-30 14:56 声网 阅读(8) 评论(0) 推荐(0) 编辑
智谱开源 CogAgent-9B，让 AI「看懂」屏幕；Anthropic：大多数任务无需复杂 AI 智能体
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-27 18:15 声网 阅读(22) 评论(0) 推荐(0) 编辑
Chrome 或引入 Gemini AI 功能「Glic」，需访问麦克风；理想同学 App 即将上线支持语音交流、识物
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-26 18:49 声网 阅读(15) 评论(0) 推荐(0) 编辑
对话 Project Astra 研究主管：打造通用 AI 助理，主动视频交互和全双工对话是未来重点
摘要：Project Astra 愿景之一：「系统不仅能在你说话时做出回应，还能在持续的过程中帮助你。」 近期，Google DeepMind 的 YouTube 频道采访了 Google DeepMind 研究主管格雷格·韦恩 (Greg Wayne)。 格雷格·韦恩的研究工作为 DeepMind 的诸 阅读全文
posted @ 2024-12-25 23:04 声网 阅读(13) 评论(0) 推荐(0) 编辑
阿里发布多模态推理模型 QVQ-72B，视觉、语言能力双提升；OpenAI 正在研发人形机器人丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-25 20:38 声网 阅读(28) 评论(0) 推荐(0) 编辑
Hume 语音模型 OCTAVE：实现情感语音合成、声音克隆和多角色对话生成；通义开源多模态说话人识别项目 3D-Speaker
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编 阅读全文
posted @ 2024-12-24 18:17 声网 阅读(19) 评论(0) 推荐(0) 编辑
OpenAI 推出嵌入式硬件 SDK，支持 ESP32 语音开发；INFP：音频驱动的双人对话头像生成，自动区分说话者和倾听者
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑的 阅读全文
posted @ 2024-12-23 20:18 声网 阅读(61) 评论(0) 推荐(0) 编辑
这家语音 AI 公司新融资 2700 万美元，并预测了 2025 年语音技术趋势
摘要：12 月 13 日，语音 AI 初创公司 Cartesia 宣布完成了新一轮 2700 万美元的融资，由知名风投机构 Index Ventures 领投。 Cartesia 由 Karan Goel 和 Albert Gu 联合创立，专注于开发基于状态空间模型 （SSM） 的创新架构，该架构以其卓越 阅读全文
posted @ 2024-12-23 15:47 声网 阅读(26) 评论(0) 推荐(0) 编辑
GPT 论文作者 Alec Radford 离开 OpenAI，曾参与开发 Whisper；闪极 AI 拍照眼镜支持全天候记录
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编 阅读全文
posted @ 2024-12-20 17:25 声网 阅读(15) 评论(0) 推荐(0) 编辑
李飞飞团队多模态模型统一动作与语言；OpenAI 推出电话服务，让更多人与 Chatgpt 对话丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编 阅读全文
posted @ 2024-12-19 19:22 声网 阅读(44) 评论(0) 推荐(0) 编辑
直播预告：OpenAI 开始拥抱 RTC！为什么 LLM+RTC 才是多模态 AI 的未来？丨RTE Dev Talk
摘要：如果您正在开发具备语音对话、视觉理解等多模态能力的 AI Agent，请加入我们的直播讨论！ OpenAI 今日发布了 OpenAI Realtime API 的重大更新，其中包括价格下调、新增模型以及一项尤为重要的改进： WebRTC 支持 。结合此前 WebRTC 创建者加入 OpenAI 的消 阅读全文
posted @ 2024-12-18 21:29 声网 阅读(40) 评论(0) 推荐(0) 编辑
OpenAI Realtime API 升级，集成 WebRTC 且降价 60%；豆包发布视觉理解模型，实时语音模型也将上线
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-18 19:22 声网 阅读(151) 评论(0) 推荐(0) 编辑
Gemini 2.0 来了，这些 Voice Agent 开发者早已开始探索……
摘要：这次 voice agent 开发者分享会举行的同时，恰逢 Gemini 2.0 Flash 的发布， 免费试用让更多人体验到了多模态实时 AI 的魅力， 网上涌现了大量例如口语练习、屏幕操控以及「what’s in my hand」类型的视觉理解 demo。然而，这些在黑客松上可以实现的 demo 阅读全文
posted @ 2024-12-17 22:35 声网 阅读(24) 评论(0) 推荐(0) 编辑
ChatGPT 支持语音实时搜索；Meta Ray-Ban 智能眼镜新增视频识别与实时语音翻译功能丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-17 17:34 声网 阅读(28) 评论(0) 推荐(0) 编辑
CosyVoice 2.0 支持双向流式语音合成；无问芯穹开源全模态理解端侧模型丨RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-16 18:19 声网 阅读(49) 评论(0) 推荐(0) 编辑
谷歌发布 Android XR 集成 Gemini 语音对话；Voice Agent 平台 Vapi 获 2000 万美元融资
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-13 18:05 声网 阅读(14) 评论(0) 推荐(0) 编辑
帮助用户与 AI 实时练习口语，Speak 为何能估值 10 亿美元？丨Voice Agent 学习笔记
摘要：👋活动招募：如果你正在关注 Voice Agent 的开发和创业，欢迎线上参与本周日（15 日）的 Voice Agent 开发者分享会。 AI 语言学习公司 Speak 近日宣布完成 7800 万美元 C 轮融资，由 Accel 领投，OpenAI 创业基金、Khosla Ventures、Y 阅读全文
posted @ 2024-12-12 21:05 声网 阅读(28) 评论(0) 推荐(0) 编辑
谷歌 Gemini 2.0 支持音频和图像输出；吴恩达：当下最重要的技术是 Agentic AI，视觉 AI 是下个趋势
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-12 18:44 声网 阅读(17) 评论(0) 推荐(0) 编辑
活动报名：Voice Agent 开发者分享会丨RTE Meetup
摘要：引入 voice agent 的口语学习应用 Speak 估值已达 10 亿美元 Voice Agent 开发者分享会 一同探索语音驱动的下一代人机交互界面，一场 voice agent builder 的小规模深度交流会。 RTE Meetup 迎来第六期！12 月 15 日（周日）上午，线上举办 阅读全文
posted @ 2024-12-11 22:27 声网 阅读(4) 评论(0) 推荐(0) 编辑
AI 口语学习应用 Speak 新一轮融资估值 10 亿美元；YouTube 推出 AI 多语言配音丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-11 17:00 声网 阅读(24) 评论(0) 推荐(0) 编辑
AI测试 前 OpenAI 音频 AI 负责人获投 4000 万，打造情感通用智能；TEN Agent 一键让 Coze Bot 开口对话
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-10 19:36 声网 阅读(27) 评论(0) 推荐(0) 编辑
市场规模超 60 亿美元，语音如何改变对话式 AI？
摘要：Lightspeed 投资了 Character.ai（AI 角色对话）、Cartesia（语音 AI 模型）、Volley（语音 AI 游戏） 等语音 AI 公司。不同于此前分享的 BVP 报告侧重企业应用场景分析，Lightspeed 此篇报告更关注语音 AI 底层技术模型的演进趋势。 核心要点 阅读全文
posted @ 2024-12-10 18:40 声网 阅读(13) 评论(0) 推荐(0) 编辑
Google PaliGemma 2 新增情绪识别能力；OpenAI 即将发布全新 Sora 视频生成器丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-09 17:56 声网 阅读(11) 评论(0) 推荐(0) 编辑
通义开源语音处理框架 ClearerVoice-Studio；亚马逊 Nova 计划明年发布端到端语音模型丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-06 20:13 声网 阅读(9) 评论(0) 推荐(0) 编辑
Fish Speech 1.5 发布，TTS-Arena 排名开源第一；DeepMind Genie 2，一键生成无限虚拟世界
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-05 18:38 声网 阅读(70) 评论(0) 推荐(0) 编辑
11Labs 推出 Conversational AI，可定制交互式语音智能体；Recall.ai：视频会议智能体通用 API
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-04 18:07 声网 阅读(18) 评论(0) 推荐(0) 编辑
Voice Agent 开发者必读，2024 最前沿语音模型梳理
摘要：今天推荐的是我们的社区成员 BoJack 创建的 GitHub 仓库，如果你在关注 Voice Agent 开发，想了解最前沿的语音模型都有哪些，这个仓库的列表就非常值得关注。 BoJack 正在上海交大读博，研究方向为语音多模态，语音交互系统，自监督预训练。他也是近期发布的语音全双工模型 LSLM 阅读全文
posted @ 2024-12-04 15:54 声网 阅读(82) 评论(0) 推荐(0) 编辑
Hume AI 语音控制功能：创建个性化语音；李飞飞空间智能首个模型：单图生成 3D 交互场景丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-03 17:41 声网 阅读(16) 评论(0) 推荐(0) 编辑
首个被人类骗钱的 AI 诞生；微信公众号后台新增「AI 配图」功能丨 RTE 开发者日报
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 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编辑 阅读全文
posted @ 2024-12-02 18:07 声网 阅读(10) 评论(0) 推荐(0) 编辑
从开发者工具转型 AI 呼叫中心，这家 Voice Agent 公司已服务 100+客户
摘要：Retell.ai 的 5 位联创。（图：maginative.com） Retell AI 提供一个平台，用于构建和部署可进行自然、类人对话的 AI voice agent，赋能呼叫中心，替代或辅助人工座席。 Retell AI 起初为构建 voice agent 产品的开发者提供 API，现已将 阅读全文
posted @ 2024-12-02 17:39 声网 阅读(16) 评论(0) 推荐(0) 编辑