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…

科技媒体TestingCatalog近日披露，微软正在封闭测试一款名为MAI Realtime的原生实时语音模型。从目前曝光的MAI Playground测试界面来看，MAI Realtime可能是微…

7月30日，Thinking Machines Lab正式发布开放权重模型Inkling-Small。虽然名字里带着“Small”，但Inkling-Small依然拥有2760亿总参数。它真正变“小”…

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…

IoT 设备要做音视频通话，技术方案通常绕不开三个选项：直接用 WebRTC，自己做一套实时音视频链路，或者接入成熟 RTC SDK。选型看起来像技术问题，最后经常变成产品节奏、硬件规格、云端成本和运…

很多智能硬件团队第一次讨论“要不要接实时音视频”，往往是从一个具体功能开始的：老人手表能不能一键呼叫子女，儿童手表能不能视频通话，宠物摄像头能不能双向语音，机器人能不能远程操控，AI 玩具能不能自然对…

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…

如果你的后端是 Go，这篇教程给你一个能直接嵌进现有服务的最小实现：用官方 Go Agent SDK 起三个接口——/get_config、/startAgent、/stopAgent。 浏览器端直接…

让大模型当地下城主持人，讲故事的部分它做得很好；但让它同时管生命值、掷骰和掉落，就会出现「刚才你还剩 30 点血，现在怎么变成 50 了」这种问题。同一个动作问两遍，可能得到两个互相矛盾的结果。 这篇…

标准链路是 LLM 出文字、TTS 变声音。但有些场景绕不开自己的音频：品牌代言人的录音、游戏里的角色音效、自研的语音模型、已经合成好的固定话术。 把 llm.output_modalities 设成…

在开放办公区、展厅、客厅这种地方，旁边人随口一句话就可能被智能体当成指令。用户正说到一半，同事在两米外聊天，智能体转头回答同事去了——这个问题在 Demo 里不存在，一到真实环境就非常明显。 选择性注…