logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

从语音识别到智能助手:Voice Agent 的技术进化与交互变革丨Voice Agent 学习笔记

最近看到 Andrew Ng 的一句话让我印象深刻:“While some things in AI are overhyped, voice applications seem underhyped right now.”(尽管 AI 中有些领域被过度炒作,语音应用却似乎被低估了)。的确,在大模型、大生成的热潮中,Voice Agent 这一领域相比之下略显低调,但背后的技术变革与落地潜力正在悄

文章图片
#语音识别#交互#学习
300 毫秒生成情感 AI 视频,Nuance Labs 获千万美元融资;AirPods Pro 3 将集成实时语音翻译丨日报

这可能是「全球首个 AI 会议促成者」,主打 real-time voice guidance(实时语音指导)、live resource retrieval(实时资源获取)、和 meeting pace control(会议节奏控制)。3 Times Meet 已集成 Google Workspace、Zoom、Perplexity,并在 200+ 场会议中测试。

文章图片
#人工智能#音视频
无声语音识别新突破,基于超声波舌部成像实现;Kyutai 联合 Epic 推出多人实时交互世界模型丨日报

在 50 小时的专用数据集训练下,系统跨说话人验证集的字错率降至 15.6%(从 1.5 万样本时的 102% 降至 5 万样本时的 15.6%),表现逼近基于 100 万小时数据集训练的唇读技术(12.5% 字错率),大幅超越同类超声波基准(TaL 数据集上的 83.8% 字错率)。自己推荐的信源、项目、话题、活动等;评估时,通过游戏状态探针直接从模型激活值中逆向读取车辆与球的位置、速度,并结合

#语音识别#人工智能
NVIDIA 开源 Audio2Face:音频生成逼真面部动画;Gemini Live API 支持思考能力 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​。

#开源#音视频#microsoft
OpenAI 发布 gpt-realtime-mini,成本降低 70%;Deepgram 发布转录和轮次检测融合 api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。

文章图片
AI智能体开发!和Kiro、Kimi、PPIO、TEN、memU、MiniMax一起Vibe丨Convo AI&RTE2025

除了本场论坛,你还可以在 10 月 31 日-11 月 1 日,逛遍 7 场技术论坛和 40 多场主题分享和圆桌讨论,一起来探索对话式 AI、Voice Agent、多模态 AI……如何赋能 AI 开发者,高效、稳定地构建下一代应用?又该如何设计新的协同模式,实现人机能力的最佳融合。来 Convo AI & RTE2025 「开发者工具专场」,加入我们的讨论,一同提问,一同寻找答案。将聚焦前沿工具

文章图片
#人工智能
    共 373 条
  • 1
  • 2
  • 3
  • 38
  • 请选择