最近，海外科技圈被一只机器人鸭子刷屏了。它叫 Microduck，由 Hugging Face 旗下的机器人公司 Pollen Robotics 推出，8 月底开放预售，价格 399 美元，计划在 2…

声纹识别落地到具体产品里，第一个要做的技术决策往往不是”用哪家的算法”，而是”要不要让用户配合”。这个选择对应着声纹识别的两种基本模式：有感声纹（Act…

在银行客服电话里被要求”请跟我念一遍：我是尾号1234的用户”，或是在某些 App 里注册时被提示”请朗读屏幕上的数字”——这类需要用户主动开口配合、按…

智能音箱不需要你先说一句”验证一下”就能听出是家里哪个人在说话，客服系统在你打进电话的那一刻就已经悄悄识别出你是不是老客户——这种不需要用户主动配合、在自然说话过程中静默完成识…

过去两年，AI 录音笔、录音纽扣、智能耳机等轻量化智能硬件集中爆发。形态各异，但面临同一个工程化难题：如何在存储、Flash、算力、功耗都受限的硬件上，跑通稳定、连续、低延时的实时音视频能力？ 声网针…

近期，声网母公司 Agora，Inc 正式获得国际权威认证机构 DNV 颁发的 ISO/IEC 42001:2023 人工智能管理体系认证，标志着声网在人工智能治理领域的风险管理、安全合规以及技术开发…

Agora 与 Gemini 达成合作，发布 Gemini 3.5 Transcribe 与 Agora Conversational AI 集成方案。此次合作将 Gemini 最新的实时语音转写能力…

过去两年，Voice AI 行业出现了一个非常明显的变化：开源语音模型越来越多，而且越来越强。 从早期 Whisper 带动 ASR 开源，到今天 Qwen、Microsoft 等大厂不断推出新的 A…

过去两年，语音模型的数量进入爆发期。Whisper、Qwen3-ASR、Qwen3-TTS 等开源模型不断降低部署门槛；OpenAI、Google等厂商持续推出实时语音、语音识别与语音合成 API。开…

智能硬件接入 AI 实时语音之后，产品面临的挑战和以前完全不一样了。以前是唤醒词加固定指令，交互是单向的、结构化的，设备只要把用户说的词匹配上就算完成任务。现在，用户在客厅里追问一句上下文、在机器人回…

8 月 18 日，NVIDIA AI Blueprints 的 Nemotron Voice Agent 发布 v2.1.0。release notes 很短，新增 Chatterbox TTS Mu…

8 月 18 日，k2-fsa 发布 sherpa-onnx v1.13.6，新增 VAD 加 ASR Flutter 示例，统一 Flutter 和 Dart CLI 初始化 API，修 Andro…