ESP32 是乐鑫科技推出的一款低成本、低功耗 Wi-Fi + 蓝牙 SoC，广泛用于智能家居、可穿戴设备、工业控制和 IoT 终端。儿童手表、智能门铃、AI 玩具、宠物摄像头、语音遥控器，很多消费类…

更新时间：2026年8月12日 一、引言 什么是 VAD（语音活动检测）？ VAD（Voice Activity Detection） 是一种用于判别音频片段中是否存在人声的技术。它将连续音频切分为“…

Robotics Fair 2026 期间，Agora 携手 Seeed Studio 举办实时语音 AI 实践工作坊，围绕语音AI 与 Physical AI 的融合应用开展现场实践。参与者基于 A…

AI 玩具语音方案，不建议只按“哪家模型回答更好”来选。玩具面对的是孩子、家长和真实家庭环境，语音链路要能听清、反应快、能打断、内容安全、成本可控，还要适配有限的芯片、电池、麦克风和扬声器。 市场上常…

智能硬件做 AI 语音交互，会先讨论大模型：用哪家 LLM、参数多大、回答聪不聪明。真正到设备上，体验往往容易被更基础的问题拦住：麦克风收不清、外放有回声、用户打断不了、网络一抖就断句、TTS 播放慢…

每到寒暑假、春节和国庆，旅游平台都会迎来一轮客服高峰。用户集中询问酒店入住、订单状态、退改费用和行程异常，电话要排队，在线客服也很难马上接入。 这些问题平时就在发生。到了旅游高峰期，咨询量会在短时间内…

在大模型语音能力快速升级的这几年，TTS（文本转语音）系统经常被更大的参数规模、更丰富的音色、更复杂的情绪控制和更强的云端推理能力定义。但放到实时互动场景里，TTS 很快会遇到更具体的问题，比如低端设…

2026 世界人工智能大会（WAIC) 圆满落幕，作为杨浦区人工智能重点企业代表，声网携对话式 AI 引擎、对话式 AI 开发套件、实时转录翻译等多款 AI 产品亮相本次大会 H2 – D…

这篇教程带你用 Python 搭一个真正能对话的语音智能体。浏览器负责采集麦克风、加入 RTC/RTM 频道；FastAPI 负责发临时 Token、创建和停止智能体；剩下的交给声网云端——凤鸣做语音…

去年这个时候，打开一个AI陪聊App，主流界面还是聊天框。 用户输入一句话，等模型吐字，读完回复，再打下一句。角色设定可以很细，头像可以很漂亮，回复也能做到秒回。刚开始玩，确实容易上头。可聊久了，总会…

Voice Agent 的体验问题，常被一句“反应慢”带过。实际排查时，这句话没有太多工程价值。慢在哪里？是用户说完后 STT 还没给出最终文本，还是 LLM 首字迟迟不来？是 TTS 首帧音频太慢，…

7 月 14 日，Qwen Cloud 发布了 qwen-audio-3.0-tts-plus 和 qwen-audio-3.0-tts-flash。Qwen-Audio-TTS 增强了多语言和中文方…