- 博客(1135)
- 收藏
- 关注
RSS订阅原创 Grok 发布语音 API，支持实时 X 数据搜索；腾讯发布混元实时世界模型 1.5，开放个人体验丨日报
Unicorn Blocks 是一家以 AloT 为核心产品形态的创新科技公司，致力于通过人工智能技术定义积木机器人的未来。我们的使命是「和孩子一起创造童话世界」，《玩具总动员》中的角色来到我们的世界。
2025-12-19 10:54:28
351
原创 硬件日招募！「对话式 AI+硬件」系列活动@深圳丨RTE Meetup+TEN Workshop
step1：部署自己的 server，修改 LLM、TTS 等参数来定制自己的 Voice Agentstep2：尝试接入不同的 example 来体验更多 Voice Agent 场景。
2025-12-19 10:34:41
540
原创 被低估的前置语音技术——为什么你的语音 AI 总「听不清」？一篇文章讲清楚 3A、VAD 和声纹识别丨社区来稿
对话式 AI 语音交互的「听清、听准、不添乱」，是由前置音频处理组成的一套「流水线作业」：1.3A 先「净化」音频：AEC 去掉回声、ANS 滤除噪声、AGC 稳定音量，输出干净的音频信号；2.VAD 再「筛选」人声：精准识别音频中「人声的开始（SOS）和结束（EOS）」，避免静音 / 噪声占用后端资源，同时把控对话节奏；3.声纹识别最后「锁定」主讲人：过滤无关人声干扰，确保系统只响应目标用户。这三步环环相扣，共同构成了语音交互的「地基」。
2025-12-17 15:33:55
652
原创 商汤SekoTalk实时数字人：25fps+3.5s延迟；Looki L1国内首发价1499元，将实时世界数据转化为上下文丨日报
我们欢迎更多的小伙伴参与。
2025-12-17 15:19:53
708
原创 CosyVoice3 和 Fun-ASR 开源轻量版；Gemini 原生音频模型升级，函数调用更准确丨日报
Zoom AI 在极其严苛的「Humanity’s Last Exam (HLE)」基准测试中，通过其「联邦 AI」方法取得了 48.1% 的 SOTA 成绩，显著优于竞争对手。这一成果是 Zoom AI Companion 从 1.0 到 3.0 演进的体现，3.0 中集成的智能体能力，将直接赋能更高效的企业协作和自动化流程。
2025-12-16 17:44:51
668
原创 INNOSpark Vol.4 开放招募：路演直通 VC，入驻智慧谷，抱走算力券丨社区伙伴活动推荐
在这个由AI浪潮主导的时代，创新需要的不仅仅是技术，更需要高能级的生态支持和精准的资本助推。我们在此正式发布邀请，寻找最具技术创新性和市场的AI硬科技项目，共同在杭州这片创新热土上，实现同频共振，生态共生。
2025-12-16 17:23:42
512
原创 Runway 发布世界模型，模拟实时环境和可交互数字人；Qwen3-Omni 升级，视频语义理解与音视频同步能力持续优化丨日报
我们欢迎更多的小伙伴参与。
2025-12-13 10:04:20
699
原创 Vibe Coding 你应该更激进：用最 SOTA 的模型，赚最高的时薪｜编码人声
编码人声」是由「RTE开发者社区」策划的一档播客节目，关注行业发展变革、开发者职涯发展、技术突破以及创业创新，由开发者来分享开发者眼中的工作与生活。在 RTE 2025 大会现场，《编码人声》召集 3 位身处 AI 编程浪潮不同位置的嘉宾——月之暗面开发者关系负责人、Vibe Friends 社区的发起人、Rokid 开发者生态负责人——同台拆解 AI 编程的真实生产力，探讨 Vibe Coding 的真相：AI 编程不会取代程序员，但会无情淘汰「仅会编码」的执行者。
2025-12-11 09:39:41
875
原创 智谱开源 GLM-ASR 系列语音识别模型；Pebble 发布智能指环 Index 01：本地语音转录与指令执行丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。作者提示：个人观点，仅供参考。
2025-12-11 09:26:45
1206
原创 深度研究：语音 AI 的「iPhone 时刻」，一个价值 835 亿美元的机会正在到来丨社区来稿
以下文章来源于宇宙杂菜饭 ，作者康师傅写在前面：为什么我要深度研究语音AI？过去两年，作为创业者和个人投资者，我一直在思考：AI时代，普通人的价值到底在哪？答案都指向 “真实体验” 与 “真实感受”。但如何将它们有效获取并转化为产品或服务创新？2023-2024年，我回归咨询行业，与上百位来自各行各业的企业家和创业者交流，发现一个残酷现实：“网上90%的评论让人怀疑真假，问卷调研正沦为羊毛党的游戏。”消费者分不清真实反馈，创业者面对调研结果雾里看花。这种信任危机正在摧毁整个在线评价与用户调研体系。语音，才是
2025-12-10 09:56:20
886
原创 活动报名丨全球首款 AI 主题桌游《Talk With》线下开玩！上海 GDPS 2025 见！
*全球开发者先锋大会 （Global Developer Pioneers Summit） **源自于世界人工智能大会（WAIC），作为 WAIC 聚焦科技和人才力量的重要板块，特别关注青年科学家与青年开发者的成长，搭建与政策制定者深入对话的桥梁，促进科研与政策的双向互动，已成为全球开发者领域的顶尖盛会与技术风向标。2025 全球开发者先锋大会暨国际具身智能技能大赛将于 2025 年 12 月 12 日至 14 日在上海浦东举办。大会由传统大会升级为具身智能产业嘉年华，由「一个引擎、四大场景」构成。
2025-12-09 11:57:55
681
原创 Qwen3-TTS 升级，多音色、多语种和多方言；KaniTTS：开源实时语音小模型，消费级 GPU 运行丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。作者提示: 个人观点，仅供参考。
2025-12-09 11:34:50
588
原创 球星 C 罗投资 AI 初创 Perplexity；微软开源 VibeVoice-Realtime，低延迟流式输出丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。作者提示: 个人观点，仅供参考。
2025-12-05 23:14:09
867
原创 构建拥有记忆的端到端实时语音助手：TEN Framework + memU 教程丨社区来稿
实时语音模型让我们可以轻松构建能即时响应的语音助手Agent。但如果想让一个语音助手真的有“用”，仅仅能听和说还不够——它必须。在本教程中，你将使用构建一个具备与的智能Agent，它可以记住和你发生的一切对话内容。基于本教程的实时语音 + 记忆 Pipeline，你可以将 Agent 扩展为：AI 伙伴 / 情感陪伴 Agent语言学习或口语练习 Tutor客服 / 销售语音 AgentVTuber / 虚拟角色互动 Agent外呼语音 Agent… …
2025-12-05 22:47:55
664
原创 Meta 挖角苹果设计师，重塑 AI 硬件交互；健康追踪应用 Healthify 升级 AI 助手：实时语音与摄像头交互丨日报
我们欢迎更多的小伙伴参与。
2025-12-05 20:17:54
648
原创 Kyutai团队创立新语音AI公司Gradium，融资7000万美元；AWS端到端语音模型升级：多语言切换跨模态交互丨日报
我们欢迎更多的小伙伴参与。
2025-12-04 20:37:05
791
原创 米哈游联创推出可对话「猫猫」AI，具备情绪与独立思考；微软研究发现空间音频可将 AI 同传理解度翻倍丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。作者提示: 个人观点，仅供参考。
2025-12-03 13:48:27
887
原创 Step-Audio-R1：音频深度推理模型；Soul 冲刺港交所，「AI+沉浸式社交平台」，累计注册用户达 3.9 亿丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。作者提示: 个人观点，仅供参考。
2025-12-02 10:05:44
751
原创 Nari Labs 更新 TTS 模型 Dia2，将推出语音到语音引擎；谷歌或重启 AI 眼镜，最快明年四季度发布丨日报
我们欢迎更多的小伙伴参与。
2025-11-29 16:46:59
715
原创 全球首个语音 AI 广告平台问世；Sam Altman 与 Jony Ive：合作新硬件将「如湖畔山间小屋般平静」丨日报
我们欢迎更多的小伙伴参与。
2025-11-28 18:42:52
652
原创 活动推荐丨「实时互动 × 对话式 AI」主题有奖征文
声网博客www.shengwang.cn/blog/ 正式启航啦！这是一个聚焦实时互动（RTE） × 对话式 AI（Conversational AI） 的内容空间。我们关注技术背后的Why，探讨应用场景的What if，分享实战经验的How better。在声网博客，我们希望呈现：技术解析：从原理到落地的深度剖析。应用创新：实时互动与对话式AI 如何重塑场景。实战经验：工程师世界里的技术挑战与解法。趋势洞察：对未来技术范式的思考。
2025-11-28 18:25:15
850
原创 2024年-2025年开源语音数据汇总：数十万小时多语种、儿童老人语音、医疗健康等（截止2025年11月）
本文转载自「乐百一家」，如果你关注语音模型和算法，这一个不容错过的宝藏且高产的公众号。最近两年开源数据越来越多，大家也意识到，无论是语音识别、语音合成，还是情感分析、多模态交互，高质量的数据集都是技术进步的基石。今天为大家整理了 2024-2025 年最新发布的开源语音数据集，涵盖中文、英文、多语种等多个方向，每个数据集都附上了直接下载链接，方便大家学习和研究。另本文遗漏部分，欢迎大家在文末评论，后续会动态更新整理到一起，做成专栏的形式，方便大家查阅。
2025-11-27 11:26:39
887
原创 Vibe Coding 的爱与恨：AI 开发流程设计和工程哲学丨开发者工具专场@RTE2025 回顾
—TTS（文本转语音）环节做了大量投入，力求在这个可控的环节做到极致。MiniMax 在 TTS 方面取得了可观地位（
2025-11-27 11:03:52
1051
原创 为实时智能体而建的 AI Infra丨Real-Time AI Infra 技术专场@RTE2025 回顾
在本届 RTE2025 大会上，来自产业界和学术界的多位专家深入探讨了为什么超低延迟的实时 AI 是实现人机交互无缝融入日常生活的关键。从推理加速、流式模型设计，到高并发调度，都对底层设施提出了极限挑战。硅基流动联合创始人、Baseten Voice AI 负责人、元始智能 COO等技术专家、开发者和创业者，共同拆解 AI 的基础设施和新逻辑、分享他们在各自领域的实践经验和独到见解。TEN Framework 的 creator和硅基流动联合创始人分别主持了活动主题分享和圆桌讨论环节。
2025-11-26 09:48:22
987
原创 AI 客服公司 Sierra ARR 破 1 亿美元；育碧推出 AI 语音游戏《队友》：语音指令掌控战局，NPC 即兴互动丨日报
我们欢迎更多的小伙伴参与。
2025-11-25 11:05:40
1004
原创 声网 CEO 赵斌：对话式 AI 加速 RTE 进化，实时互动步入万亿分钟时代
在 10 月 31 日召开的声网 Convo AI & RTE 2025 第十一届实时互联网大会主论坛上，声网创始人兼 CEO 赵斌发表了题为《对话式 AI：实时互动的新篇章》主旨演讲。，标志着实时互动（RTE）正式进入全新的规模化应用阶段。今年 8 月，WebRTC 的全球搜索量出现了前所未有的激增，充分印证了开发者和行业对 RTE 技术的新一轮关注。随着强大的对话式 AI 工具进入市场，为助力企业和开发者抓住这一机遇，声网在大会上正式发布了，为行业提供了一套系统的实践指南。
2025-11-25 10:44:35
710
原创 GPT5.1 告诉你如何与电脑对话控制一切软件：复现 Caddy（YC F25）的愿景丨社区来稿
只把“压缩后的语义信息”发给服务器，而不是裸截图/全文。
2025-11-20 22:18:06
761
原创 AI 语音转贴纸，儿童打印机 Stickerbox 融资 700 万美元；Spatial AI 发布第一人称真实世界数据集丨日报
( @APPSO)
2025-11-19 19:47:16
938
原创 在 RTE2025 大会，我看到了 AI 语音如何让机器学会「与人相处」丨社区来稿
AI语音技术正从“工具性”走向“关系性”。从会陪伴的芙崽Fuzozo，到能教学的LOOKEE，再到帮助企业洞察用户的ValidFlow.AI，这些产品不再强调技术的强大，而是聚焦于如何让AI更懂人心。技术最终要为体验服务。当AI学会了倾听与对话，它不再只是执行命令的工具，而成为我们生活中有温度的伙伴。这或许就是对话式AI最美好的前景——不是取代人类，而是以更自然的方式与人“相处”，让技术真正服务于人的情感需求。我相信，我们迎来的将是一个更有温度的数字未来。
2025-11-19 18:11:54
970
原创 不只做语音，ElevenLabs 推出图像和视频生成平台；博通推出语音 AI 芯片，实现端侧 TTS 和实时翻译丨日报
我们欢迎更多的小伙伴参与。
2025-11-19 17:59:45
672
原创 大模型语音呼叫智能体「云蝠智能」完成 A+轮数千万融资丨社区成员项目
云蝠智能现已完成了由金沙江创业投资领投的 A+ 轮融资，鞍羽资本担任独家财务顾问。作为国内第一批直接采用大模型从事智能语音客服的企业，云蝠智能其全栈自研的「神鹤大模型」支撑着语音智能体在 3-5 分钟内快速构建上下文对话能力。云蝠智能不仅是「超音速计划 2025·Voice Agent Camp」的优秀学员，更在刚结束的 RTE 2025 年度 Demo Day 中脱颖而出，位列三强。RTE 开发者社区作为云蝠智能在创业征途中的重要陪跑者和成长伙伴，一路见证了其技术产品的迭代升级与融资里程碑。
2025-11-18 08:05:48
652
原创 从「跨模态思维链」到「物理 AI 数据闭环」：下一代多模态技术和落地丨多模态技术专场@RTE2025 回顾
商汤科技多模态交互产品负责人路少卿发现，即使是市面上最新的模型，在处理涉及视觉理解、空间认知和复杂图文推理的任务时，也表现出明显的缺失。并提出了商汤未来必须攻克的方向——从文本推理到原生融合的统一多模态大模型。目前的多模态模型依然停留在 VLP（视觉语言预训练）+ LLM的 Merge 阶段（即 VQA 任务），缺乏真正原生融合后产生的跨模态思维链推理能力。商汤的核心路径是追求统一深度的多模态大模型，目标是实现理解与生成融合统一，并激活类人的多模态思维链能力。针对图文交错的推理难题，商汤构建了。
2025-11-18 07:56:03
776
原创 灵宇宙获 2 亿新融资，要做 AI 世界操作系统；Vogent ：自然语言描述生成语音智能体丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。素材来源官方媒体/网络新闻。
2025-11-17 22:52:24
736
原创 文心大模型升级 5.0，支持全模态输入与输出；Google SIMA 2：在虚拟 3D 世界交互、推理和学习丨日报
我们欢迎更多的小伙伴参与**「RTE 开发者日报」**内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。素材来源官方媒体/网络新闻。
2025-11-15 10:28:49
870
原创 社区来稿丨RTE 大会带给我的 AI Agent Infra 启发
Runtime、模块化、测试、模板化——这些决定了一个系统能否“持续运行”，而不仅仅是“能运行”。： “AI 系统的不可控性，意味着独立模块的测试可能无法捕捉链路级的漂移。一个真正工程化的 Agent Infra， 不该是一条死板的管线，而应是一组可以拼接的“积木”。这篇文章，我想聊聊我从这次演讲里得到的Agent Infra启发—— 包括 Runtime、模块化、测试与架构设计的思考。推理在 Python，音视频在 C++，交互在 JS—— 每一次跨语言通信（IPC），都是延迟与性能的代价。
2025-11-15 10:12:24
606
原创 主动交互和情境感知，AI 硬件是脱离手机屏幕掌控的蓝海机会丨硬件和端侧模型专场@RTE2025 回顾
赵维奇认为最终的边界感落在了「懂你、懂场景、懂用户」上，
2025-11-13 22:29:16
1277
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人