←搜索结果

搜索“语音”

按匹配度 · 共 550 条结果 清除搜索

星期五

  1. 事件1 条新闻 · 1 个事实

    Lingxi Li 称正打磨 AI 队友语音通话体验

    2026年9月18日,Lingxi Li 转评 Grok Bot 新增的语音对话功能,表示团队一直在努力让该体验接近与 AI 队友进行 huddle / 语音通话的感觉。他称目前虽然还有差距,但已接近目标,并邀请用户反馈。该说法来自其本人发布的内容,属于同一事实的表述,暂无其他独立发展事实或官方证据可补充。

    匹配字段标题

星期日

  1. 事件1 条新闻 · 1 个事实

    Cartesia发布TTS模型与语音区别指南

    2026年9月14日,Cartesia发布了一份关于TTS模型与音色区别的指南。该指南指出,TTS模型与音色并非同一概念:固定说话人模型只接收文本输入,多说话人模型额外接收音色选择,零样本克隆模型则以参考音频作为提示词。指南还介绍了Cartesia的两种语音克隆方式:Instant Voice Cloning只需10到60秒音频即可克隆音色,专业语音克隆(PVC)则需用更大录音数据集微调模型,耗时可达数小时。目前该指南已由Cartesia产品与研究发布,暂无后续发展。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    OpenAI推出GPT-Live-1语音API

    2026年9月11日,OpenAI在API中上线GPT-Live-1,供开发者构建语音应用。该模型采用新版ChatGPT语音所使用的双工技术,支持语音智能体在说话的同时持续聆听,并可搭配开发者自行选择的模型和工具体系。目前输入材料仅提供了此次上线信息,未说明后续更新或应用进展。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    腾讯混元发布开源语音模型AuK

    2026年9月10日,腾讯混元正式发布开源基础模型AuK,面向统一的语音生成与编辑。该模型采用自然语言指令加参考音频的单一接口,支持零样本TTS、指令控制生成、内容编辑、耳语转换、去口音、音色风格情感编辑、语速音高控制、增强降噪、多说话人分离与音乐分离。同日还发布了AuK-Flash,采用4步推理,在匹配条件下约快4.5倍。代码、权重与demo均已上线。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Allegro上线语音智能客服

    2026年9月7日,Allegro开始在三条配送支持热线部署基于ElevenAgents的语音智能体,首批覆盖Allegro Delivery、Allegro One和One Box,为超过2000万活跃买家全天候处理高频问题。系统采用多智能体架构,由不同智能体分别处理各类场景;需要转接人工客服时,可预先收集追踪号码并生成对话摘要。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    LiveKit发布Connectors语音连接器

    2026年9月1日,LiveKit发布Connectors语音连接器,在LiveKit房间与Twilio Programmable Voice、WhatsApp Business Calling之间建立直连。通话以普通参与者身份进入房间,无需配置SIP trunk或网关。Twilio通话会带上call SID和自定义TwiML参数作为参与者属性,WhatsApp来电以手机号作为参与者身份;连接器通话与SIP、网页会话一样出现在LiveKit Cloud仪表盘中。Connectors已在LiveKit Cloud正式可用,连接器分钟计费与SIP相同,Ship为每分钟0.004美元、Scale为0.003美元,各套餐分别包含5、20、100路并发连接器通话。

    匹配字段标题

  6. 事件1 条新闻 · 1 个事实

    Cartesia发布Sonic-3.6语音模型

    2026年8月27日,Cartesia发布语音模型Sonic-3.6。该模型在15个地区的盲测中听众偏好度最高达93%,并在Artificial Analysis排行榜的controlled和provider voice两个榜单上均排名第一。Sonic-3.6支持44种语言,新增Odia和Urdu,并改进了口音保持和Hinglish代码切换能力。

    匹配字段标题

  7. 事件1 条新闻 · 1 个事实

    LiveKit支持Grok语音模型

    2026年8月26日,LiveKit接入Grok语音模型,用于构建语音智能体。输入材料显示,此次接入全面支持ZDR。目前该故事处于活跃状态,材料未提供更多后续进展。

    匹配字段标题

  8. 事件1 条新闻 · 1 个事实

    xAI开放Grok语音模型2.0

    2026年8月24日,xAI开放Grok Voice Think Fast 2.0。该语音模型现已可通过API或xAI的Agent Builder使用,开发者可以利用相关入口构建、调优并部署语音智能体。目前输入材料未提供更多后续进展。

    匹配字段标题

星期一

星期四

星期六

  1. 事件1 条新闻 · 1 个事实

    Google面向AI订阅用户推出Gemini语音新能力

    Google 面向 Google AI 订阅用户推出新的 Gemini 语音能力。用户可通过对话搜索 Gmail 收件箱、在 Keep 中整理想法和任务,以及创建新的 Docs。Sundar Pichai 特别提到 Docs Live 会比较实用,并附上演示视频和了解更多信息的链接。目前尚无后续发展事实。

    匹配字段标题

星期二

星期四

星期三

星期一

  1. 事件1 条新闻 · 1 个事实

    Pydantic AI 发布实时语音 Agent 支持

    2026年8月26日,Pydantic AI 发布实时语音 Agent 支持。据其官方文章,该支持采用 speech-to-speech 方式,通过统一的 provider-agnostic API 接入 OpenAI Realtime、Azure OpenAI、Gemini Live 和 xAI Grok Voice,中间不再有转写、生成、合成的流水线。语音会话复用同一个 Agent 对象,服务端工具、消息历史和 API key 都留在后端;浏览器场景可用 WebRTC 直连并在服务端以 sideband 接入,目前浏览器 WebRTC 支持 OpenAI 和 Azure OpenAI。语音与文本共享同一份消息历史,可把通话交给文本 Agent 做结构化抽取,也可用 message_history= 为语音会话续接此前的文本对话;会话的 token 用量、usage_limits 和 OpenTelemetry 追踪与文本运行一致。目前尚无后续发展事实。

    匹配字段标题

星期一