搜索“语音”

on 好得多，但目前只对网络防御者开放。 Genie 4。一个世界模型，可以创建3D场景并编辑它们（比如改变天气或添加角色）。 Suhail 的新公司 Particle 正在训练编码模型，让它们用更少的 token 得出答案。 4 个个人智能体要接受一项包含九项任务的测试。它们之中究竟谁能真正把事情办成？ 一份免费、开源的宜家家具组装指南，配有 3D 说明和语音。 智能体如何影响专家——86% 的情况下，专家会顺从智能体的随机选择。 Simon Willison 认为，我们已经来到了 vibe-coded 游戏的一个拐点。它们现在真的很好玩。 Readwise Books——一款新的阅读与追踪应用，可以连接你的智能体。 Clicky 现在会在你向它询问某些东西时，在你的屏幕上生成自定义视觉内容。 AftersIvana@ivanainai不受欢迎的观点：从 AI 中获益最多的人，恰恰是那些没有它也能完成这些工作的人。下午1:33 · 2026年10月27日 · 22.3万次查看 521 次转发 · 5970 次点赞tenso@distributedkvngl 这事越来越失控了。下午5:

匹配字段正文

解如何： 平衡 AI 价值与风险 通过 AI 中央银行治理 AI 用人工监督填补 AI 安全缺口 下载洞察。NATE 的笔记本 ☕ Nate 的笔记本：先雇一个调度员 简报：每周，Rundown AI 教育者 Nate Grahek 都会拆解他在教真实团队使用 AI 时看到的情况。 Nate：大多数早晨，我在等咖啡时把项目清单一股脑倒进手机。Dot 把这一次语音倾倒拆分成同时运行的多个聊天，每个都有自己的上下文窗口。等我回到办公桌前，它们已经在收集上下文、做研究、起草大纲了。 这就是眼下落地的智能体之间的区别。Grok Bot 和 OpenClaw 是单线程：一个无人值守运行的工作者。即使有细致的规则和配置文件，我也从未对此类工作特别满意。Dot 是一个委派者，把离散的任务交给仍可由我指导的线程。 无人值守是难点所在。想想雇一个新助理：我们都低估了任何人——无论是人还是智能体——预判什么对你重要有多难。智能体会做到，但这需要时间和多得多的上下文。在那之前，我会在分块、质量和指导方面保持参与。 上周，我列出了我的阶梯：读，然后写，然后发送。如果你还没准备好写权限，没关系。Dot 整理我收

匹配字段正文

卧时使用手机。 车外，2026款i6换装了理想MEGA同款 ADB矩阵大灯 。 根据官方数据，新大灯近光照射强度提升20%，远光照射距离提升近30%，新增转弯辅助照明灯，横向照明角度从45度拓宽至70度。 ADB自适应远光还能够根据前方车辆的位置调整照明区域，减少对其他车辆造成的眩目影响。 另一个呼声较高的配置，是 电动前备箱 。 新车支持手机App、车机、语音以及敲击车头等多种开启方式，还可以自定义开启高度，配备双电动撑杆、双层密封圈和夜间警示照明灯。 值得一提的是，理想没有把电动前备箱完全留给新车主。 发布会上，刘杰明确宣布， 2025款理想i6也将开放电动前备箱付费升级方案 ，预计12月正式上线。 至于驾驶体验，新款继续 标配前双叉臂、后五连杆全铝悬架，以及双腔空气弹簧和CDC连续可变阻尼减振器 。 底盘硬件基本延续2025款，重点优化了制动脚感和转向响应，让车辆在变道、过弯时更加灵活。 其实就在发布会前两天，理想还特地开展了一场长达3个半小时的 拆车直播 ，回应外界对新款车型用料、底盘减配的疑虑，将屏幕、座椅、电池、底盘等部件逐一拆开展示。 李想对此的表态是：造车不是造黑盒子，

匹配字段正文

tudio 中的项目。你也可以在 ElevenLabs 移动应用中随时随地试用 SFX v3。开发者可以通过 ElevenAPI 访问 SFX v3，将音效生成引入自己的产品和工作流程。 立即在 ElevenCreative 中试用 SFX v3。 作者 Renee Zhang 产品营销查看个人资料 Renee 负责 ElevenCreative 的产品营销，将公司的 AI 音频和视频工具带给营销人员、创作者、工作室和品牌。在加入 ElevenLabs 之前，她曾任 Chronicle 的市场营销主管，在那里她主导了从 0 到 1 的增长，用户达到数百万。她拥有新南威尔士大学双学位，现居纽约市。 类似文章 如何构建 AI 语音助手：与品牌一致的语音 AI 类别资源日期2026年10月27日 购物者在试用零售 AI 代理后会选择什么 类别产品日期2026年10月27日 文本转语音技术如何运作：从文本到自然语音类别资源日期2026年10月26日 Immobiliare.it 如何从一个对话代理发展为一个代理网络类别客户故事日期2026年10月23日 用最高质量的 AI 音频创作联系销售注册

匹配字段正文

统耳机那样塞入耳道。对于那些不喜欢传统耳机佩戴贴合感和触感的人来说，这可能是一个受欢迎的改变。 每只耳机重 6.65 克，支持轻触操控。三星表示，用户可以调整耳挂的角度以最适合自己的耳形，而且即使头部剧烈运动，耳机也应能保持稳固。随附的充电盒重 41 克。 这款耳机采用三星所称的 TwinBoost 扬声器，即一个 11.3 毫米驱动单元，与之前的 Galaxy Buds 型号相比，经过调校以增强低音，同时还能根据环境噪音自动调节音量。它采用了定向音频技术，即三星所称的“防漏音技术”，以使音频对聆听者更具私密性。 三个数字麦克风和语音拾取阵列辅助语音通话，有助于分离佩戴者的声音，并在其不说话时消除噪音。点头接听或摇头拒接等头部手势进一步提升了免手操作体验。 电池续航方面，单次充电可支持最长 9.5 小时音乐播放和最长 5.5 小时通话时间，配合随附的充电盒，总续航最长可达 38 小时。这款耳机通过 Bluetooth 6.2 进行无线连接，并具备 IP54 防尘防溅水等级。 三星 Galaxy Buds On 将于 11 月初在美国上市，售价 229 美元。目前仅提供一种颜色——黑色。

匹配字段正文

关性。 此举建立在Google 5月宣布的新Gemini驱动广告形式之上，包括响应用户提问的对话式发现广告，以及整合到AI生成答案中的赞助推荐。 Google首席执行官桑达尔·皮查伊还表示，搜索查询量实现了五年来最快的同比增长，但他没有透露具体增长率。他将这一变化归功于AI功能改变了人们使用搜索的方式，包括促使人们输入更长、更复杂的查询。 皮查伊表示，AI模式下的查询平均长度是传统搜索的三倍，而全球每五次AI模式搜索中就有一次涉及语音、图像或文档。Google每月的视觉搜索量也已突破500亿次。 “[搜索]正在将AI的好处带给世界上比任何其他产品都多的人，”皮查伊对投资者表示。“人们正在更多地使用我们的AI功能，以全新的方式搜索。他们的查询更长、更个性化，并且是多模态的。” Alphabet旗下包括搜索在内的Google服务部门创造了963亿美元收入，同比增长11%。Google Cloud收入激增103%，达到307亿美元。 这一业绩发布之前，Google经历了繁忙的一个季度，包括发布Gemini 4 Argon、Gemini应用月活跃用户增长至10亿，以及推出Pixel 11系列。

匹配字段正文

事务，例如解决常规查询或获取待处理账户问题的最新进展。 安全的对话式银行系统通过严格的网络安全协议，并遵循 SOC 2 Type II、ISO 27001 和 PCI DSS 等合规要求来保护金融数据。 运营负责人通过衡量首次联系解决率和升级频率等关键指标，跟踪不同银行聊天机器人用例的表现。 高价值聊天机器人用例包括账户开户、还款提醒、争议受理和欺诈警报。 语音智能体 让客户能够以自然对话的方式办理电话银行业务，并以数十种语言实现更快速的响应。 什么是银行业的对话式 AI？ 银行业的对话式 AI 使用自动化聊天和语音系统来处理银行交互并解决客户查询。这些 AI 智能体不会把每个请求都转给人工，而只会在无法解决问题或客户明确要求时升级处理。 这些聊天机器人不同于遵循固定脚本的基于规则的基础模型。现代对话式银行平台能够理解自然语言并调取真实的账户上下文。这些系统可实时处理信息查询、意图识别、用户身份验证以及复杂工作流的解决等任务。 简而言之，对话式 AI 让客户可以像与人工坐席交流一样，通过语音或文字与银行沟通。 银行使用哪些类型的 AI？ 金融机构在面向客户和后台职能中都部署了 AI 模

匹配字段正文

ame 3.0 发布日期2026 年 10 月 27 日2025 年 8 月 5 日2026 年 9 月 3 日2026 年 3 月 27 日 参数量未披露未披露未披露5B（另有 2x14B MoE 变体） 分辨率 / 帧率未披露720p / 24 fps720p / 24 fps720p / 最高 40 fps 原生音频是，含对话未报告是，48 kHz，含语音未报告 会话中文本控制是，由 Gemini 中介是，可提示的世界事件是，带时间戳的文本动作键盘和鼠标动作 循环中的 LLM 规划器Gemini 3.8 Flash无无（可选外部框架）无 一致性几分钟；据 TechCrunch 为 2 分钟几分钟；1 分钟视觉记忆无预设时长；记忆不完美分钟级记忆 硬件Google 托管，未披露Google 托管，未披露Runway 托管，未披露DiT 用 8 块 GPU，另加 1 块用于 VAE 访问 / 许可受信任测试者；AI Ultra 和 API 即将开放Project Genie（AI Ultra）研究预览，联系表单MIT，开放权重 谁可以使用 Genie 4，何时可用？ 所有 Genie

匹配字段正文

码。分析多人对话时，再增加说话人区分；普通口播不需要多做一层。 视频 先拆出音轨和关键帧。音轨做 ASR，关键帧做 OCR 和视觉识别，最后按照时间合并。 没有必要逐帧分析整段视频。可以先低频抽帧和全文转写，找到相关片段后，再提高局部抽帧密度。 API、本地模型怎么选 小批量验证可以直接调用 API。 数据量稳定以后，再把高频任务搬到本地。常见组合是： 云端语音识别可以接腾讯云 ASR 或火山引擎音视频字幕生成。 试用额度和并发限制会变化，上线前直接看控制台。 选型时也别只看价格，要拿自己的真实样本测试方言、噪声、中英混合、竖屏字幕和截图小字。 任务会反复执行时，可以做一个轻量工作台： 文件或链接进入 → 自动选择 OCR、ASR 或视觉工具 → 查看原文与识别结果 → 人工修正 → 导出 JSON 或 CSV 工作台同时记录调用次数、耗时、费用和失败原因。跑一段时间以后，团队自然知道哪些环节继续用 API，哪些值得本地部署。 第五步：数据冲突时，先看证据 多模态处理经常得到两个都像正确答案的结果。 我们碰到过一条视频：ASR 识别成100，画面OCR识别成11000。如果系统直接选择

匹配字段正文

真正的挑战，是让模型保留有效信息、识别可靠证据，并适应新的任务。 作者丨张 璐 编辑丨马晓宁在具身智能、自动驾驶和智慧医疗等场景中，模型需要处理的数据远不止图像、文本和语音。雷达、触觉、心电、医学影像及各类传感器数据，都可能成为预测和决策的依据。然而，不同模态之间既存在关联，也包含彼此无法替代的信息；现实数据还常常面临模态缺失、噪声干扰等问题。如何在融合信息的同时保留模态差异？当不同来源的数据质量不一致时，模型又该如何判断哪些信息更可靠？如果每遇到一种新任务，都需要重新设计和训练专用模型，多模态技术的应用成本又该如何降低？10月21日，在 CNCC 2026 首日的Tutorial环节，天津大学人工智能学院英才教授、国家级青年人才张长青作了题为《广义多模态融合技术》的报告，介绍了团队围绕多模态表征、动态可信融合和通用预测基座开展的研究。从保留模态特有信息，到利用证据评估预测的不确定性，再到尝试构建能够适应不同模态组合与预测任务的基础模型，这些工作指向同一个问题：如何让多模态融合更好地适应真实世界的复杂性。 01 超越简单对齐： 如何兼顾模态的共性与个性？ 多模态融合的价值，在于不同来源

匹配字段正文

住，提醒你“你把包放在了进门左手边第一张桌子上”。它还可以持续观察环境，主动提醒。我们已经在终端场景落地了一个导盲功能，视障用户过马路时，可以让模型持续观察红绿灯，在绿灯亮起时提醒。在做菜、家具组装等需要较长时间的场景里，Aura也可以持续观察用户操作，适时提供指导。比如做菜时，提醒你应该放什么佐料、加多少油和盐。 左林右狸频道：Aura是怎么同时处理视频、语音和文字，实现这种持续交互的？刘睿：底层还是以语言模型为基础，接入视觉和音频编码器，将视频、语音信息编码到隐空间，再跟语言模型的语义空间对齐。这样就可以利用语言模型原有的问答、推理和工具调用能力处理多模态信息。另一个关键是流式建模，我们把连续的视频流切成一个个时间片段，每段大约300毫秒或者500毫秒。信息实时进入模型，模型持续推理，同时参考此前输入的内容。这样一方面可以记住过去的视觉信息，另一方面可以根据用户意图，在未来的关键信号出现时及时作出反应。比如主动告诉你，“你看，今晚的晚霞非常好看。”只有实现连续的视频理解，交互才可能像人与人交流一样自然。 左林右狸频道：如果想让助手持续地看、听、说，现在最大的瓶颈是什么？刘睿：我认为

匹配字段正文

Y26为100.6 crore卢比。 由于难以与Spotify和YouTube Music竞争，Jio的音乐和音频流媒体业务Saavn在FY2026录得53.7 crore卢比亏损，截至Q1 FY27累计亏损达1,131.8 crore卢比。 该公司的AI驱动教育科技平台Embibe截至2026年中期累计亏损88.2 crore卢比。 提供AI驱动语言翻译和语音技术解决方案的Reverie在FY2026录得7.1 crore卢比亏损，累计亏损为77.4 crore卢比。 Radisys旗下的多家全球实体也拖累了账面业绩。例如，Radisys Canada截至Q1 FY27累计亏损395.6 crore卢比，同时Radisys Technologies Shenzhen和Radisys UK等实体也持续存在经营赤字。 环境足迹 运营超过360,000座网络铁塔和高容量数据中心消耗大量电力。在FY2026，Jio在电力和燃料上支出10,933 crore卢比。 Jio计划过渡到100%可再生能源以减少燃料排放，但其起点基数相对较小。 截至3月31日，为其网络供电的可再生能源容量为236.7

匹配字段正文

这里有一些很棒的成果！： 通过在 Model Vault 上使用 Cohere Embed，@ada cx 实现了： 77 毫秒的中位检索延迟，带来更快、更准确的 AI 语音交互 离线嵌入的每美元吞吐量提升 2.7 倍，提高了成本效率 向量存储占用缩小 4 倍，且检索效果没有可测量的下降 90.7% 的 top-10 召回率，实现准确的信息检索 https://t.co/anwO9zwJtV

匹配字段正文

绝开放透明度会成为客户转向开源权重的理由。同时奥特曼、马斯克、阿莫迪、哈萨比斯等集体转向谈论紧急制动，特朗普政府“超级智能部队”与加州州长纽森相继要求安全事件报告并探索“kill switch”，行业重心从“跑多快”转向“怎么刹车”。 开源趋势： 十一、Ollama for Mac 会说话了 1.2026年10月24日，Ollama官方博客宣布正式支持文本转语音，首个模型为Gradium开发的Phonon小参数语音合成模型，macOS（Apple Silicon）率先上线，Windows与Linux随后跟进。Ollama是本地AI基础设施的事实标准，GitHub上拥有近18.5万颗星、约1.86万个分支，此次更新使本地大模型从“能读会写”迈向“能开口说话”。 2.语音本地化的三大动因是延迟、隐私、成本：借助苹果MLX框架的统一内存架构，Phonon在MacBook Pro M5 Max上生成速度比Gradium自家运行时快35%，词错误率与Hugging Face Transformers参考实现持平，并支持流式实时生成。资本层面，Gradium于2025年12月以7000万美元种子轮

匹配字段正文

全模态和决策模型统一到同一个共享骨干上。首个版本在 Hugging Face 博客的一篇文章中详细介绍，涵盖 2B 参数级别的六款模型。 每个 LFM3 模型都从同一个 LFM3-1.7B-Base 分支而来。LFM3-1.7B 接收文本并返回文本。LFM3-VL-2B 接受文本、图像和视频并返回文本，而 LFM3-Audio-2B 接受文本或音频并以文本或语音回应。Liquid AI 称 LFM3-Omni-2B 是其首个全模态模型，接受文本、图像、视频和音频并生成文本和语音。两款决策模型 d1-2B 和 d1-omni-2B 分别从视觉模型和全模态模型专门化而来，返回经过校准的答案而非生成的文本。 根据 LFM3-1.7B 模型卡，该文本模型有 1.73B 参数、256K token 上下文长度、128,000 token 词表，支持 16 种语言，并以 LFM Open License v1.0 发布。基础模型和后训练模型均为开放权重，可在 Hugging Face、Liquid AI Playground 和 Liquid AI API 上获取。 Liquid AI 的发布文章

匹配字段正文

助手和名为 Narrative 的游戏体验置于这一方案的核心。 从 AI 助手到持久游戏 Brilliant Labs 将这一体验分为三类活动：Ask、Make 和 Play。Ask 以 Noa 为核心，这是一款对话式助手，旨在记住偏好和此前的交互。该公司表示，用户无需在每次提问时都重新构建相同的上下文，Noa 可以将其延续下去。 Make 将这一理念延伸到语音创建的小程序和工作流。用户描述自己想要构建的体验，平台则被设计为将该请求转化为一个可通过 Halo 社区应用商店分享的小型应用。其吸引力在于，从想法到当下使用的工具之间路径更短，佩戴者无需编写代码。 Play 则是此次公告走向更不寻常方向的地方。Narrative 被描述为一款自适应游戏，将现实世界的行动、发现和决策融入持续进行的体验中。这款游戏并非遵循工作室设计的固定流程，而是旨在随玩家而变化。 这是该公司提出的体验，而非本次公告所确立的性能结果。有意义的考验在于，持久上下文能否随着时间推移产生令人愉悦且连贯的游戏体验。记住一次交互只是第一步；一款游戏还需要进度、可理解的后果以及让人回归的理由。 Halo 背后的硬件 发布规格

匹配字段正文

不少功夫。新机搭载了1115X对称双扬声器，内部加入N'Bass声学增强材料，同时还支持Sound by Bose技术，提供经典和均衡两种音效模式。 针对游戏场景，REDMI还专门优化了音频表现，官方宣称游戏脚步声响度提升200%，配合相机Deco侧面的游戏麦克风、0815 X轴线性马达以及双T1+信号增强芯片和7根竞技天线，可以进一步改善游戏中的听声辨位、语音沟通和网络连接体验。 系统方面，REDMI K100出厂搭载小米澎湃OS 4，带来了全新的柔光玻璃美学设计和系统流畅度优化。另外，新一代超级小爱也被加入其中，不仅能够帮助用户生成PPT、网页等内容，还支持跨设备调度等功能。三千元档位段的全能选手？ 整体来看，REDMI K100这次的升级确实相当全面，骁龙8至尊版和独显D2保证了游戏性能，165Hz电竞屏进一步提高了游戏体验，而10000mAh金沙江电池则让续航成为了这款产品最突出的优势之一。 当然，作为一款2999元起的产品，REDMI K100肯定还是存在一定取舍，例如它没有用上最新一代旗舰处理器，影像配置也没有Pro系列那么激进。但对于一台主打性能和续航的手机来说，这些取舍

匹配字段正文

1.5万座，智充枪超5万把，率先实现 “县县通”覆盖，持续增强市场竞争力与用户体验。目前，吉利与蔚来已达成全面战略合作，双方在充换电领域深度开放共享和产业协同，共同提升充电网络的覆盖能力和运营效率。 截至目前，吉利汽车持续推进AI能力加速落地，智能化技术规模化上车。千里浩瀚辅助驾驶累计超百万用户、行驶里程31.4亿公里，开启率达93.9%，累计避险超1218万次；Flyme Auto车载系统装机量超132.6万辆，全球用户突破359万。四季度，千里浩瀚G-ASD 将迎来全面升级，支持城市漫游NOA、端到端 AEB 与自然语音控车，推动智驾从 “可用” 迈向 “爱用”，加速全域 AI 2.0 全球规模化上车。新车效应与海外放量双驱动，高质量持续稳健增长 第四季度，吉利汽车将聚焦技术落地与海外市场拓展，依托中国星、银河、极氪、领克四大品牌协同发力，推出银河M8、领克900L、2027款极氪7X、星瑞L PLUS和星越L PLUS等多款车型，积极布局全球高增长市场，持续推动销量稳步提升，保持高质量发展稳步向前。 来源：投稿 本文图片来自：123RF 正版图库 侵权举报返回分享相关文章全部评论

匹配字段正文

关于附加功能，众说纷纭。前面提到的Roborock Saros Z70（评测报告）的抓取臂可以捡起散落的袜子并放进篮子——很有意思，但更像噱头而非必备功能。Eufy Omni E28 Hydrojet（评测报告）将扫地机器人与可拆卸的湿式吸尘器相结合，必要时也可以手动湿洗软垫或汽车脚垫。这样就把两类设备合而为一——实用，但并非人人都需要。 许多机型提供集成语音助手，可通过语音指令清洁单个房间。可编程的定时功能还能确保机器人在无人在家时也可靠地完成清扫。另一些机器人则采用低于八厘米的特别扁平机身，以便钻到低矮的沙发和床下——为此厂商通常放弃经典的激光塔，改用其他传感器组合。所有这些附加功能在个别情况下可能有用，但会推高价格。根本问题仍然是：真的需要这些吗，还是一台扎实的标准机型就够了？ 哪种擦地技术清洁效果最好？ 当前的扫地机器人采用三种不同的擦地技术，它们在工作原理和效果上差异明显。Mova V50 Ultra Complete——可伸出的擦地拖布 heise 排行榜 旋转拖布是带擦地功能的现代扫地机器人中的经典方案。带有固定擦布的圆形盘片高速旋转，从而对地面产生机械压力。它们也能很

匹配字段正文

配备 19 个 RGB LED 阵列。顺便提一下，最初的 HomePod 在比更新版本更小的表面积上配备了 19 个 LED。 要启用“声音辉光”，你必须将 iOS 设备和 HomePod 更新到 27.2。更新后，打开“家庭”App，进入你想要调整的 HomePod 的设置。在那里，你会找到一个可以启用的“声音辉光”开关。 Apple 指出，你还可以通过语音切换“声音辉光”，但这需要一台运行最新软件、支持 Apple Intelligence 的 iPhone。一旦 Apple 在 HomePod mini 2 上启用 Siri AI，这项功能或许就能启用，也许还包括第二代 HomePod，但这仍有待观察。 家庭影院环绕声 如果你打算购买 Apple TV 4K（第四代），你很可能对 HomePod mini 2 或第二代全尺寸 HomePod 提供的新家庭影院环绕声选项感兴趣。这项功能让你可以使用四个 HomePod，即前后各一对相同的立体声配对，组成环绕声系统。 我还没能亲自测试这一点，因为我还没有最新的 Apple TV 4K，但我敢打赌它的音效会非常出色，尤其是当涉及四个支

匹配字段正文