搜索“语音”

兴在上述演讲中表示，它不是在城市室内使用，而是面向户外复杂地形、强通过性，用来在野外环境完成任务。 在王兴兴看来，现在整个具身智能、人形机器人技术只发展了三四年，仍处于行业早期，距离机器人大规模走进家庭、大规模民用普及，还需要数年时间。 值得一提的是，王兴兴判断，具身智能赛道未来也必将迎来专属的“ChatGPT 时刻”。当机器人可在 80%的陌生场景中，通过语音具身能力完 80%的任务时，就意味着行业抵达爆发临界点。届时全球企业与各国资源将集中涌入赛道，这一产业拐点有望在未来几年落地。 “但现在行业最大的瓶颈，是AI模型输入输出，和真实物理世界之间的精准匹配不足。” 王兴兴在上述演讲中说道，大语言模型运行在数字空间，文字输入、输出，偏差很小，几乎没有物理损失。机器人不一样，感知、决策、电机执行，每一步都会产生偏差，偏差会不断累积。 王兴兴称，机器人做搬运、移动这类大动作，大体方向没问题。但是到抓取、装配这种精细操作的最后环节，会出现几毫米的误差。看上去动作已经到位，但是这一点点误差，没办法自动修正，直接导致任务失败，整体成功率暴跌。“未来谁能解决这个物理世界对齐的毫米级误差问题，机器人

匹配字段正文

Alexandr Wang在演讲时说得很直接： 你可以让它帮你经营小型业务，或者只是为你完成工作。你可以离开电脑，它会继续为你处理排好队的所有工作。 2、 拥有独立专属邮箱 。 Facebook发力了。 3、 实时视频通话与数字分身 。 Meta这次还端出了全新的 Muse Realtime Avatar 模型，配合Muse Realtime Voice实时语音模型，直接给Muse捏了一张脸、一副身体和声音。 过去那个冷冰冰的无形软件，现在变成了可以实时视频连线的数字分身。视频与声音完全同步，响应延迟不到一秒。 但说这么多，大家也知道，个人助理这个方向，模型根本不是重点。 能干成多少事，还得看同行愿不愿意给你放路。 所以除了软件，Meta也在疯狂动员商业巨头帮亲儿子撑场子。 小Muse刚上线的时候，就已经接进了Shopify的全部商品目录和数十家合作伙伴。 而这次，Meta直接拉来了一整个商业阵营当外援。 购物端，新增了沃尔玛（Walmart）、百思买（Best Buy）、American Eagle Outfitters、DICK’S Sporting Goods、Fanatics、

匹配字段正文

隆重推出 Eleven v4，这是我们迄今为止最具情感表现力的模型。探索跳至内容登录注册联系销售登录 探索更多 获取 API 密钥 自动语音识别 将 Zoom 会议音频转换为团队可用的文本，无需手动记笔记。借助实时语音转文本系统，您的组织可以提供实时转写，为难以跟上口头对话的员工或听障人士提供支持。 过去三年里，实时语音转文本（STT）技术取得了长足进步，Zoom 的内置工具也在不断迭代，以降低 词错误率 （WER）。但对于寻求低延迟替代方案的团队，专业 语音转文本 而通过 ElevenLabs 等平台提供的工具，则可实现更低的 WER。 本指南介绍如何使用内置工具和第三方解决方案转写 Zoom 会议。它详细拆解了原生选项、不同方法的操作步骤、存储在云端的录制文件的处理流程，以及如何为更复杂的用例创建自定义管线。 摘要 AI 驱动的转写支持 90 多种语言和口音，可实现跨国团队的实时协作。 工作人员可以使用内置工具或第三方方案，在 Zoom 会议进行时或存储音频后进行转写。 Zoom 的实时字幕在各版本中均免费，但大多数其他内置转写功能需要付费的 Workplace 账户。 开发者使用

匹配字段正文

07上，一句“你好深蓝”可以完成闲聊、车控、导航，不需要点开不同APP。在姜海荣看来，互联网时代一直有“超级APP”的说法，进入AI时代之后，“OneAgent应该就是一个未来的趋势”。通过统一入口连接车机上的不同应用，一个指令可以连续执行相关任务。“它是用一种听得懂你的话的状态来服务你，就像一个贴身伴侣一样。” 陈婧文则从大模型能力变化解释了这一体验。传统语音助手更多是在“听懂指令”，而大模型能够根据更多元素的信息，理解当前环境下用户相应的需求。过去一句话的意图可能需要对应某个单一功能，但真实需求往往是多元的。“这就是大模型带来的智能化提升。”陈婧文说。 姜海荣介绍，全新深蓝S07可以记录用户声纹，通过这种方式区分不同用户，并基于对用户的了解和记忆提供个性化体验。比如，当用户说“我今天不是很开心”，车机可能会播放一首用户喜欢的音乐。 据其介绍，全新深蓝S07最多支持6组个人声纹，不同用户可以相互独立地与车机交互。在他看来，这一数量在日常生活场景中已经足够满足消费者需求。 陈婧文进一步解释，车辆通过声纹识别用户身份，并关联相应偏好，“整个架构也是用端云协同的一种设计方式”。隐私会被保存

匹配字段正文

果综合成连贯的答案。同一系统可处理安防录像查询（“这个人出现过吗？”）、内容分析（“总结前 30 分钟”）和调查性问题（“碰撞前哪辆车变道了？”）。无需为每个用例单独构建处理流水线。 以下截图展示了该界面，其中提供用于自然语言查询的聊天面板，以及用于文件上传和分析模式选择的侧边栏。 图 1：视频智能聊天界面 关键洞察在于，流水线是在运行时确定的。智能体会针对语音内容问题调用 Amazon Transcribe，针对人脸匹配转向 Amazon Rekognition，并对先前已处理内容的后续问题复用缓存结果。路由由模型处理，而非应用代码。 先决条件 要跟随本文中的实现进行操作，您需要： 一个可访问 Amazon Bedrock（已启用 Anthropic Claude Sonnet）和 Amazon Simple Storage Service (Amazon S3)。对于文档处理，需要 Amazon Bedrock Data Automation (BDA) 或 Amazon Rekognition 与 Amazon Transcribe。请参阅 Amazon Bedrock 中各 A

匹配字段正文

受监管或高后果的决策在推进之前送达合适的人员，帮助组织降低合规风险。 AI 通过以下方式支持程序性合规： 发送所需文件。 收集信息。 检查必填字段是否完整。 检索政策或披露信息。 记录已完成的步骤。 将案件转交给合适的人员。 当法规要求进行解读、需要解决例外情况，或必须做出承担法律责任的决策时，责任仍由人类承担。 例如，英国保险公司 Admiral 为其客户语音智能体设定了明确的适用范围边界。Admiral 将脆弱性和欠款案件转交给人工处理，并在上线前以高验证标准测试受监管的 AI 工作流。 在保留人类专业能力的同时提升效率 AI 可以处理重复性的行政工作、收集信息、准备记录，并推动常规案件向前推进，而无需在每一步都有人参与。对企业而言，其结果可能是更短的处理周期、更少的行政积压，以及让员工有更多精力处理直接影响客户、收入或风险的工作。 Finch Legal 借助 ElevenAgents 将通话成功率从 59% 提升至 93%，同时将规模扩展至每月 15,000 通以上的通话。部署智能体来处理这些流程，意味着人工坐席在电话上花费的时间约为以往部署的六分之一。只有在案件需要其专业知识

匹配字段正文

为 7400 万，6 Astra 为 1.37 亿），Diogo 介绍了 Jev，它随即席卷了 AI 时间线——我们将跳过完整的 Jev 讲解，因为你最喜欢的 AI 网红/教育者可能已经做过一期了。我们还收集了： 来自 Allie 的官方模式与 cookbook，你应该先看这些 Jev 用例 基于速度的——游戏与计算机使用 我们在 1 小时 34 分讨论的语音 + 计算机使用示例 短信中的引导式回复 Jev 用于编码代理有官方指南 jev 用于 linting 压缩工具调用 Theo 提出的合理反驳——Diogo 发表了一篇关于《KV Cache 的暴政》的说明，你应在播客后作为 Jev + 编码代理的后续阅读，因为他相信缓存统治一切 构建于 Jev 之上的编程语言（Diogo 的最爱） Jev 用于分析回放与用户旅程回顾 Jev 的一个核心目标是“消失在背景中”——例如像正则表达式一样不起眼 融合 transformer 与分类器 关于 confidence api Jev 与 GLiNER（注意差异/反驳，同意，同意，同意） Jev 论电车难题 Jev Bush 相反，我们将聚焦

匹配字段正文

该发生什么。智能体不是从一小组脚本化答案中挑选，而是： 解读：智能体读取被赋予的目标，并确定用户实际需要什么。 检索：智能体提取相关上下文，包括文档、先前的对话历史和工具输出。 决策：智能体选择使用哪个动作或工具，以及以什么顺序使用。 适应：当新信息改变情况时，智能体调整其方法。 执行：智能体采取行动，然后对结果进行推理以确定下一步。 以一个处理账单争议的 语音智能体为例。 传统的 IVR 脚本可以将来电者转接到“账单”部门，然后就此结束。而智能体工作流可以调取客户账户、查看付款历史、依据退款政策核实争议、在批准限额内发放信用额度，只有在超出限额时才升级给人工处理。 智能体工作流的关键组成部分与特征 大多数智能体工作流都共享相同的基础构建模块，无论具体平台或用例是什么。 以下是每个组件功能的概述： 组件 功能 LLM 推理层 解读意图、规划下一步，并决定使用哪个工具或路径。 动作与 集成 让智能体采取真实行动，例如更新 CRM、检查库存或发放退款。 检索增强生成（RAG） 将智能体的回复建立在企业实际文档和知识库之上，而非通用训练数据。 记忆与上下文 将对话历史和先前输出向前传递，使智

匹配字段正文

：“规范出具的标识检测材料，可以成为有价值的技术凭证。它能够把各方对标识要求的理解落实到同一份可核验的结果上，减少仅凭口头说明进行确认的情况。对稀宇科技而言，这与我们已经开展的跨平台测试和标识互认验证具有直接衔接价值。” AIGC内容检测让深度伪造无所遁形 平台AIGC内容检测模块严格遵循《互联网信息服务深度合成管理规定》要求，融合多类算法模型，实现对文本、语音、图像、视频等多模态AI生成合成内容的检测。 功能背后，周晓榕提出了来自业务一线的评价口径：“我们会重点看两类问题：一类是漏检，也就是应识别的生成合成内容没有被发现；另一类是误报，也就是非合成内容被错误判断为生成合成内容。”她补充道：“就企业选用检测服务而言，我们希望平台能够用业务样本持续验证检测效果。这样的评价方式，才能支撑其长期应用，也有助于减少对正常创作的误伤。” 智能代码审计与普惠化服务 智能代码审计功能结合安全大模型构建多Agent协同代码审计架构，输出含触发路径、可控性分析及PoC的结构化漏洞报告，帮助企业在研发阶段筑牢代码安全防线。 贾开教授认为，四大板块完全契合当前人工智能技术研发及其应用的行业痛点。“模型安全测

匹配字段正文

136 12 19 分享文章 语音旁白 0:00 -9:31 您的浏览器不支持音频播放。请升级。我们正处于这样一个时代：少数组织正在使用数千个并发智能体来改进其流程和产出。而这些组织恰好只是前沿 AI 实验室，尤其是 OpenAI 和 Anthropic。在过去几周里，我一直在思考：这些组织中如此多的员工迅速更新对 AI 进展速度及相关风险的预期，究竟意味着什么。 我的一个核心观点是：前沿实验室以及旧金山 AI 圈更广泛、狂热的竞争文化，构成了一个会放大任何 AI 担忧的环境。这有一定好处，能让更广泛的受众意识到 AI，因为恐惧好卖，但夸大风险时间线或严重程度会产生负面的二阶效应。我记得 2023 年和 2024 年有许多声势浩大的 AI 安全辩论，以及它们给开源 AI 可行性蒙上的阴影——当时的主要风险并未在预测的时间线内出现。 即便在一年前，这两家关键实验室的普通员工也对 AI 风险 and 进展速度非常焦虑，尤其是当智能体在 2026 年初获得更强的产品市场契合度时。这种文化前提，一旦接触到“数千个智能体将不断在你的业务中相当高效地工作”这一现实，只会加剧这种焦虑。从这种焦虑，以

匹配字段正文

座椅也花了很多心思。 这套技术有最高有91个传感器，副驾单个传感器感知精度仅2g，感知时间仅2毫秒，可适配全球98%用户体型，0.4秒完成调节主动支撑，对腰部脊椎亚健康人群很友好。 副驾还支持零重力模式和24向电动调节，通风、加热、16点指压式按摩全配齐。 后排独立零重力座椅、270°遮阳帘、双温区冰箱、流媒体内后视镜等全配齐。 首发智能四电机行政中岛，支持语音、按键、屏幕三种方式开启小桌板，并能随座椅靠背自动调平。在车里临时办公或者吃个夜宵都很顺手。 座舱静谧性方面，不光有ENC和RNC双重主动降噪，增程器启动噪音变化几乎感知不到，最高能做到10dB降噪。全车还铺上了122处声学材料，搭配9块双层夹胶玻璃加上米其林静音胎，被动隔音也拉满。 底盘方面，新车采用前双叉臂后H臂全铝悬架，比传统底盘减重35kg；同时配合22英寸超宽鸳鸯胎，操控与抓地力大幅提升。 全系标配双腔空悬和DCC智能可变阻尼减振器，悬架软硬能调，车身高度调节范围有70mm。全系还标配双向15°线控后轮转向，最小转弯半径5.4米。官方说"双车道掉头一把过，灵活堪比A0级小车"。 再配合AI智能底盘融合运动控制系统X-V

匹配字段正文

智能家居也打通。 基于Home Assistant生态，不同品牌的设备都能连。 简单来说，你家装的是智能家居，但电风扇、空气净化器、灯都是不同品牌的，你出门时虽然不用手动去开关，但也需要挨个打开App去操作控制。 而现在，你给一句指令，YOYO就能一次性完成你需要的所有操作。 这也太方便了吧 除了家居，车也能让YOYO控制。 简单说，这代YOYO不再只是一个语音问答工具，而是能预判需求、自动执行任务的管家，这才是手机AI该有的样子。 UI视觉带来大更新，MagicOS 11带来了全新“动态液态玻璃”。 也是安卓阵营第一个落地这套设计的系统。 名字听着玄乎。 实际效果就是：你滑图库的时候，底部导航栏会跟着真实环境光变；锁屏流光跟着音乐律动；灵动胶囊的光影随交互流转；来电界面有即时流光反馈。 系统还提供液态、磨砂、全彩三种材质可选，通透程度支持无级调节，想调多通透自己说了算。 底层方面，MagicOS 11首发荣耀琉光架构，从底层重构安卓，带来更加通透的液态玻璃效果。 重点是这么炫的动效，官方宣称功耗几乎零增长，好看的同时续航不会崩。 另外，全新蜂鸟架构2.0，在安卓领域首创液态动效，采用

匹配字段正文

次又一次看到的那个核心情感张力。而我们为他们解决的核心问题之一，就是把那种抽象的情感担忧转化为一个框架，在某些方面只是为那种担忧提供清晰度。 Vibhu [01:10:23]：那么这里有什么。所以有件事我觉得我们有点跳过了。我们谈了很多智能体语言模型，跳过了世界模型。 Rune Kvist [01:10:31]：对。 Vibhu [01:10:31]：你们有语音，这很有意思，和 ElevenLabs 一样。 Rune Kvist [01:10:34]：是的。 Vibhu [01:10:34]：那生成式媒体呢？比如生成图像、视频，这实际上是一个使用量很大的类别。你们当前的政策里有涉及吗？是单独的政策吗？你怎么看这个领域？ Rune Kvist [01:10:46]：是的。 Swyx [01:10:49]：音乐。 Vibhu [01:10:50]：对，音乐也是。 Vibhu [01:11:33]：我们看到，比如 Luma 有 Luma agent，它仍然相当依赖人在回路中。 Rune Kvist [01:11:37]：是的。 Vibhu [01:11:37]：所以它不只是 Rune Kvi

匹配字段正文

节。目前，计算机视觉（Computer Vision）技术正在改变这一现状，它使计算机能够像人类一样查看并分析视觉材料。美国国会图书馆的报纸导航项目利用计算机视觉技术，识别了1600多万份历史报纸页面中的图片材料。以二战时期的图片为例，人工智能工具用“飞机”“人群”“船只”等术语标记图像，因此使用者能够独立于文本浏览和搜索这些图像。在音频材料的处理上，以往的语音识别技术中引入深度学习模型能显著提高转录准确性。在瑞士法语广播电视档案馆的“远距离聆听”（distant listening）项目中，研究人员将语音转文本后对说话人进行分类，并利用命名实体识别来识别采访中提到的人物、地点和事件，最后将这些信息与外部的数据检索连接在一起，由此丰富了语音史料知识和背景。 人工智能技术有助于打破史料处理中长期存在的格式壁垒。这些多模态史料的处理技术开创了一个全新的检索体验，帮助史学家能够更有效地发现文本、图像和语音之间的联系。正如20世纪末数据库检索颠覆了传统卡片目录系统，技术进入史料处理领域带来两个核心的变化：一是可检索的文本量大量增加，极大丰富了史学研究的基础。由此在方法论上引发史学研究的认知变革

匹配字段正文

AI 正在企业范围内规模化应用，高于上一年的 38%。 对话式 AI 的用例包括回答问题、检索信息、完成常规请求，以及引导用户完成多步骤流程。这些是 AI 智能体能够端到端处理的具体业务任务，或在需要人工判断时转交给人工处理。 以下示例涵盖了各业务职能中最常见的对话式 AI 用例，随后是行业特定应用以及选择和部署这些用例的实用指南。 摘要 对话式 AI 利用语音和聊天智能体处理客户和员工互动，包括支持、日程安排、销售、交易和内部协助。 不同行业的企业对对话式 AI 的应用方式各不相同，从患者预约和保险理赔到零售订单、教育、电信支持和公共服务。 最有效的对话式 AI 用例具有明确的任务、对正确信息和工具的访问权限，以及在对话需要判断或专家支持时进行人工转接的明确规则。 最具影响力的对话式 AI 用例有哪些？ 对话式 AI 对具有明确目标的可重复互动影响最大，在这类互动中，智能体可以回答问题、检索信息或完成既定任务。最佳用例能够减少客户或员工的摩擦，同时为 AI 明确界定其应处理的范围以及何时需要人工介入。 以下是企业在 2026 年使用对话式 AI 的一些最有效方式： 客户服务自动化：回

匹配字段正文

啊！ 除此之外，还标配宽温域热泵空调，保障冬季用车续航稳定性。作为大尺寸六座 SUV，百公里电耗低至 13.55 度。也难怪⼆代⼑⽚电池+闪充出来之后，不少友商好像都不太跟卷续航、卷充电速度了。 03 空间、底盘、安全 各项均衡！ 相比于插混版，纯电版的 N8L 还给到了一个 208L 的超大前备箱。终于不用羡慕别人可以“干湿分离”了。这款前备箱还支持敲击、语音、手机 APP 多种开启方式。 安全方面采用 CTB 电池车身一体化技术，边充电边针刺不起火不冒烟爆炸，电池安全拉满。 针对复杂路况，还给到了±7° 后轮转向，转弯更灵活，完美解决了大车调头笨重的痛点。 04 29.98 万起 两款配置到底怎么选？ 如此离谱的续航能力和充电速度，腾势 N8L 纯电版闪充尊荣型只要 29.98 万！闪充旗舰型价格来到 32.98 万元。那么，闪充尊荣型和闪充旗舰型两款配置到底怎么选？首先，两款车型核心硬件完全一致！天神之眼 5.0 智驾、50 英寸 AR‑HUD、云辇‑A 空气悬架、±7° 后轮转向、960 km CLTC 续航、第二代刀片电池、双层冰箱、帝瓦雷音响、NAPPA 真皮座椅、208L

匹配字段正文

98 23 6 分享文章 语音旁白 0:00 -10:59 您的浏览器不支持音频播放。请升级。随着AI变得愈发强大，一个不同的、不断壮大的群体开始更认真地对待AI安全，这是不可避免的——但我们事先并不知道的是，他们究竟接受了哪一套观点。我们已经看到，一些最极端的风险观点，即中等概率的大规模灭绝，恰恰是那些传达到大众的观点。由于这一点，AI世界的许多方面即将发生改变。 我们是如何走到这一步的？为什么这份辞职声明传播得如此之远？在许多方面，过去世界其他地区围绕AI的观点是一个抑制因素。你可以把这想象成火堆周围潮湿的地面。多年来，许多人一直在为AI风险划火柴——它们在自己的社区里闷烧，大多燃尽，无人注意。随着今年AI的利害关系上升，从OpenAI-HuggingFace事件到诸如Navier-Stokes结果（同样来自OpenAI）这样的突破，地面已经干燥，围绕AI话语的潜在能量已经增加。更多不在行业内的人想过，“嗯，也许我应该关心一下这个AI的东西。”周围的温度和利害关系显然一直在上升。 然后，人性的一些基本因素开始起作用，其中最关键的便是恐惧好卖。恐惧是最简单的故事，是人们无法把目光移开

匹配字段正文

研究员。 你很快就能改变 Claude Code 的行为方式。Anthropic 正在测试一种扩展其功能的方法，让 Claude Code 编写插件，从而改变界面、记录操作或限制智能体被允许做的事情。该功能尚未发布，Claude Code 团队正在征求反馈。 Inworld 为下一波消费级应用打造了 Realtime TTS-2。这需要三样东西：基于文本的语音设计、P99 下低于 100 毫秒的延迟，以及跨 200 多种语言的单一语音身份。了解如何为你的 AI 应用赋予声音。 分享 Ben's Bites ChatGPT Work 可以从你的电子邮件、消息和文件中学习你的写作风格。 在 Mac 上按住 Shift 并拖动，即可用 Tangerine 转换文件。 异类心智——Jakub Pachocki（OpenAI 首席科学家）谈如何让 AI 的未来掌握在人类手中。 在 macOS 上配合编码智能体使用 Blender。 智能体现在可以通过 USB 控制一台实体 iPhone。 SuperAstra——实时编辑超级任天堂游戏。 Cibby——一款面向实体游戏收藏者的应用。 Doodl

匹配字段正文

定位人脸，并无感监测呼吸、心率及活动状态，多维度评估用户专注度与健康水平。端侧平台深度融合NPU视觉、毫米波感知、定向声学与嵌入式GUI技术——多模态AI的融合应用令人印象深刻。 来自湖南衡阳师范学院的作品“灵眸·芯途”——智能导盲头盔荣获全国二等奖。这件作品以RA8P1双核微控制器为核心，依托双核架构实现算力分区部署，通过本地模型推理与云端大模型接入，实现语音导航、红绿灯识别、避障预警、摔倒告警、场景智能问答五大核心功能。从端侧AI推理到云端大模型协同，这件作品展现了AI部署的另一种范式。 来自浙江的参赛队伍针对基层社区药房人工配药效率低、称量误差波动大等行业痛点，设计了“基于边缘AI感知与决策的药店智能调度与精准配药系统”。该系统打通扫码开方、中西药分拣、精准称量、自动卸料、无人配送、云端库存监测等基层配药全链路。作品以边缘AI智能赋能社区药房配药全流程的创新性，斩获一等奖。 温州职业技术大学的作品“基于语音交互的多目标智能感知小车系统”，以RA8P1微控制器为核心，融合端侧语音AI、视觉感知、移动控制和机械臂操作等功能。从语音唤醒到视觉识别再到机械臂控制——这是一条完整的AI感知

匹配字段正文

。 快讯 Uber将裁减10%的员工，约3,600个岗位，CEO达拉·科斯罗萨西正在削减管理层级、整合团队，并大幅限制远程办公。 苹果在英国面临一起20亿英镑（27亿美元）的诉讼，指控其App Tracking Transparency规则不公平地限制第三方开发者，同时让苹果自家的广告业务获得优势。 TikTok正把评论区打造成更具互动性的社交层，推出60秒语音评论、创作者投票、九图轮播和实况照片回复。 Circular发布了Ring 3智能戒指系列，新增NFC非接触式支付和手指振动提醒，Pro版还提供获FDA许可的ECG/房颤检测。 据报道，苹果取消了传闻中的可折叠MacBook，同时在其产品线中新增了一款13.8英寸OLED MacBook。 据《华尔街日报》报道，美国企业界正在裁撤只管理少数几个人的“微型团队”经理，Uber、英特尔、谷歌等公司都在精简组织架构。 微软的Xbox将从11月起对Game Pass的每月云游戏时长设限——Ultimate为15小时，Premium为10小时，Essential为5小时——理由是成本上升。 据报道，由杰夫·贝索斯支持的Slate预计其精简

匹配字段正文