一个 Next.js 应用就能把浏览器端该做的事全做完：发临时 Token、启停智能体、发布麦克风、播放智能体音频、展示智能体状态和实时字幕。服务端这条链路是 凤鸣 ASR → DeepSeek V4…

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…

打开应用商店搜”AI陪聊”，能跳出几十个App：星野、猫箱、Talkie，各种”AI女友””AI男友”应用，甚至一些头部社交Ap…

四年一度的世界杯来了。看比赛的时候我冒出一个念头：解说员那么多如果没有我心仪的，能不能自己动手搓一个新的 AI 实时解说员？ 于是就有了这个项目。做完我把它发到 OpenAI 的 Reddit 社区，…

在越南胡志明市举办的 Agentic AI Build Week 期间，Agora 携手 GenAI Fund 共同举办了 Physical AI Party：Build Voice Agents w…

7月8日，OpenAI 发布 GPT-Live。它能边说边听，用户停顿时会等，遇到要搜索的问题会先应一声、再去后台干活。比起”你说完、我再答”的轮次式交互，更像一通可以随时插话…

做 Physical AI 产品的团队，通常把 90% 的精力放在两件事上：模型够不够聪明，本体够不够好。通信被当成一个边缘问题，接个 SDK、能传数据就行。 直到产品开始真实部署。用户家里的 Wi-…

Agora「Give the Robot a Voice!」Meetup 日前在日本京都举办。活动汇聚了开发者、创业者及行业合作伙伴，通过主题分享、现场演示和交流讨论，围绕实时语音 AI 在机器人、智…

2026 年 7 月 8 日，OpenAI 发布 GPT-Live。这是新一代语音模型家族，即日起接管 ChatGPT Voice。首发两个版本：GPT-Live-1 和 GPT-Live-1 min…