标签：实时交互
中国AI Agent产业化参考范本：斑马口语攻克的四大技术难关
2025年AI产业的关键转折点在于从通用探索转向垂直场景的深度落地。以斑马推出的「斑马口语」为例，这款针对6-12岁儿童的AI外教一对一产品，突破了技术瓶颈，...
OpenAI引爆新赛道：AI不再卖技术，而是卖「活人感」！
一段小女孩与AI玩具告别的视频引发了广泛关注，揭示了对话式AI如何深度融入人类情感世界。这一场景不仅触动了公众情感，更凸显了实时交互技术的革命性潜力。...
美团开源全模态，比肩顶级闭源模型，开源新SOTA
美团LongCat团队发布了5600亿参数的开源全模态模型LongCat-Flash-Omni，该模型能够实现毫秒级的实时音频-视觉交互。其核心是一个端到端的全模态架构，能够接...
三星国行 Bixby 更新“语聊视界”，我们的生活离《Her》更近了一步？
三星 Galaxy S25 系列国行版本的 Bixby 语音助手于 3 月 26 日正式推出了“语聊视界”功能，这一功能基于多模态大模型，旨在提供超拟人的实时语音和视频聊天体...
面壁、智谱，卷上新赛道
OpenAI去年推出的“4o”模型具备实时语音交互能力，被视为模型“长出了耳朵和嘴巴”。去年12月，该模型增加了视频通话和屏幕共享功能，相当于“长出了眼睛”，使得...
Gemini 2.0发布了，可惜的是关注的人很少
谷歌近日宣布推出其人工智能大模型系列的最新作品——Gemini 2.0，其中Gemini 2.0 Flash实验版本率先亮相。这款模型能够生成文本、图像和语音，并处理多种格式...
WebRTC创建者加入了OpenAI，他如何思考语音AI的未来？
WebRTC的联合创始人Justin Uberti，同时也是Fixie.ai的联合创始人兼CTO，宣布加入OpenAI领导实时AI项目。Uberti在Google时期参与创建并领导了WebRTC项目，并...
工作坊报名｜使用 TEN Framework 与 Azure，探索你的多模态交互新场景
GPT-4o Realtime API的发布标志着语音AI领域的新突破，带来了实时音频交互、自然语音生成、多语言能力和快速响应时间等创新特性。这些技术进步为全球企业在客...
在RTE2024，窥见实时AGI的未来
AI技术的进步正在改变人机交互的方式，特别是在实时交互（RTE）领域。OpenAI的GPT-4o模型通过Realtime API为开发者提供了低延迟、自然流畅的对话能力，使得智...
谷歌展示首个大模型实时游戏模拟引擎，重塑游戏开发流程
谷歌研究人员利用开源扩散模型Stable Diffusion 1.4开发了实时游戏模拟引擎GameNGen，该引擎能在单个TPU上以超过20帧每秒的速度交互式模拟经典射击游戏《DOOM...
1
2
