苹果鼠标有望加入 AI 语音控制功能；Accent Oracl ：准确识别你口音的 AI 丨 RTE 开发者日报
1 月 2 日
阅读 5 分钟
628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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-31
阅读 5 分钟
530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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-30
阅读 5 分钟
531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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-27
阅读 5 分钟
575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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-26
阅读 4 分钟
506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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-25
阅读 6 分钟
419近期，Google DeepMind 的 YouTube 频道采访了 Google DeepMind 研究主管格雷格·韦恩 (Greg Wayne)。
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
2024-12-25
阅读 4 分钟
460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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-24
阅读 4 分钟
382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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-23
阅读 5 分钟
519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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-23
阅读 10 分钟
62012 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。
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
2024-12-20
阅读 5 分钟
413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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-19
阅读 5 分钟
593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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-18
阅读 2 分钟
434OpenAI 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 的消息，这清晰地表明 OpenAI 正在积极拥抱 RTC 技术 ，以强化其多模态 AI 的传输能力。
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
2024-12-18
阅读 5 分钟
559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个人观点，欢迎大家留言、跟帖、讨论。
Gemini 2.0 来了，这些 Voice Agent 开发者早已开始探索……
2024-12-17
阅读 7 分钟
474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 距离真正的工程化和商业化还有很长的路要走。
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
2024-12-17
阅读 5 分钟
549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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-16
阅读 4 分钟
892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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-13
阅读 6 分钟
468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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-12
阅读 8 分钟
538AI 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 Combinator 等顶级投资机构参投。此轮融资后公司估值达 10 亿美元。
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
2024-12-12
阅读 5 分钟
471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个人观点，欢迎大家留言、跟帖、讨论。
活动报名：Voice Agent 开发者分享会丨RTE Meetup
2024-12-11
阅读 3 分钟
404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。本次活动将 聚焦 voice agent 领域 ，RTE 开发者社区诚邀各位开发者和创业者共同...
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
2024-12-11
阅读 6 分钟
453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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-10
阅读 5 分钟
458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个人观点，欢迎大家留言、跟帖、讨论。
市场规模超 60 亿美元，语音如何改变对话式 AI？
2024-12-10
阅读 5 分钟
500Lightspeed 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。
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
2024-12-09
阅读 5 分钟
538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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-06
阅读 5 分钟
531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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-05
阅读 4 分钟
467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个人观点，欢迎大家留言、跟帖、讨论。
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
2024-12-04
阅读 4 分钟
539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个人观点，欢迎大家留言、跟帖、讨论。
Voice Agent 开发者必读，2024 最前沿语音模型梳理
2024-12-04
阅读 5 分钟
429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。
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
2024-12-03
阅读 5 分钟
413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个人观点，欢迎大家留言、跟帖、讨论。