在线咨询
专属客服在线解答,提供专业解决方案
工单支持
专业技术支持团队,随时响应服务需求

博客

实时互动 (RTE) 学习、实践与技术洞察

从单机自主到多机协作:机器人之间的实时信令怎么设计?

一台机器人能听懂“把这箱货送到分拣区”,能找到货架、拿起货箱、绕开障碍,这已经是一项复杂的能力。但如果这箱货要由两台机器人接力运送,难度就又上一个台阶:第二台什么时候出发?第一台中途掉线,谁知道货箱已…

werift 发布 v0.28.0,Node.js 开发 WebRTC 服务端需要注意什么?

2026 年 11 月 19 日,开源 WebRTC 项目 werift 发布 v0.28.0。新版本调整了浏览器标准兼容配置,新增 ICE Candidate 收集错误事件,并改进了 SDP 协商、…

SD-RTN™ 是什么?机器人远程操控为什么需要实时网络底座

SD-RTN™ 是声网自研、自建的全球实时传输网络。它能持续感知不同传输路径的质量,并根据时延、丢包等变化动态调整路由。对机器人远程操控来说,这意味着当跨地域链路出现波动时,现场画面和控制指令可以经由…

什么是自适应码率?远程操控如何做到“降画质但不失联”

巡检机器人从厂房入口开进设备间,原本清晰的画面突然卡住,操控员需要等画面恢复才能确认机器人停在了哪里。此时,稍微模糊、但能持续更新的视频,往往比一张清晰的静止画面更有用。 机器人从一个区域移动到另一个…

微软 MAI Realtime 1 定价每分钟 0.01 美元,AI 电话的实际成本怎么算?

11 月 17 日,微软在 Ignite 2026 大会上发布实时语音模型 MAI Realtime 1,基础 Speech-to-Speech 使用费从每分钟 0.01 美元起。这个价格很容易引起 …

SwitchBot 发布 AI 宠物新品,AI 智能玩具如何实现自然语音交互?

2026 年 11 月 17 日,智能家居品牌 SwitchBot 在日本举行品牌十周年新品发布会,正式发布掌心大小的 AI 宠物 KATA Friends mini。这款产品可以挂在背包上随身携带,…

从异常告警到护理响应,智慧养老如何实现实时联动?

2026 年 11 月 17 日,日本通信技术企业 BONX 宣布,其现场语音通信平台 BONX WORK 已与 BioSilver 旗下养老监护设备 aams 完成功能对接。接入后,aams 检测到…

Voice Agent 为什么比 Chatbot 更需要上下文管理?

开发 Chatbot 时,通常需要保留用户的历史消息,让模型理解当前问题与前文之间的关系。Voice Agent(语音智能体)同样需要这些信息,但还要处理语音对话中的停顿、打断、重复、识别错误和回复播…

Context Engineering 是什么?为什么它正在取代 Prompt Engineering?

Context Engineering(上下文工程)是指在大语言模型运行过程中,选择、组织和管理模型所需的上下文信息,使模型能够根据当前任务获得正确的指令、数据和执行状态。 这里的上下文不只是用户输入…

AI Agent Memory 是什么?为什么 Agent 需要长期记忆?

AI Agent Memory(智能体记忆)是一种信息存储与调用机制,用于保存 Agent 在历史交互和任务执行过程中获得的信息,并在后续任务中按需调用。 例如,一个负责客户跟进的 AI Agent,…

让农田现场实时可见:农业无人机图传如何支撑远程作业?

清晨,一架植保无人机沿着预设航线掠过农田。地面站上,飞手一边查看前方画面,一边关注飞行高度、剩余药量和作业进度。当无人机接近地块边缘,或转入树冠密集的果园时,画面是否连续、信息是否及时,直接影响操作人…

什么是机器人“平行操控”?自主导航为何仍需人工接管

一台巡检机器人正沿着厂区路线自主作业,却发现前方新增了施工围挡。它能够识别障碍、停止前进,也可能规划出另一条路线。但备用通道今天是否允许进入?被遮挡的巡检点能否暂缓检查?这些临时安排还没有同步到系统中…

开发者必备:GitHub 开源美颜 & 滤镜项目

更新时间:2026年11月10日 在实时音视频 (直播、通话、短视频) 场景中,美颜、滤镜、贴纸、脸部处理效果几乎是标配。对于开发者来说,使用现成的开源项目,可以极大节省时间、降低成本。本文精选7个受…

2026年11月Agent Skills 开发者指南:8 个最值得关注的开源仓

最近更新:2026年11月10日 Agent Skills 正在成为 AI 原生开发的基础设施。自 Anthropic 于2025年12月将 Skills 标准开放以来,Claude Code、Ope…

语音模型越来越多,开发者到底该怎么选?

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…

Semantic EoS 是什么?AI 如何判断用户是否真正说完

Semantic EoS(Semantic End of Speech,语义级语音结束检测),是对话式 AI 用于判断用户是否真正完成发言的一种技术机制。与传统依靠静音时长判断语音结束的方式不同,Se…

Semantic SoS 是什么?语义级语音起始检测如何减少 AI 误打断

AI 外呼机器人正在介绍一项服务,用户随口说了声“嗯”,机器人突然停下来,等待用户继续讲话。用户没有接话,机器人也没有继续,电话里出现一段尴尬的沉默。 另一种情况则恰好相反。用户已经明确说出“等一下,…

SoS(Start of Speech)是什么?语音起始检测的原理与应用

和 AI 语音助手聊天时,你可能遇到过这样的情况:刚开口说了一句“等一下”,AI 就停止了回答;但有时候,明明已经开始提问,AI 却还在自顾自地说话。更常见的是,用户只是轻轻“嗯”了一声,甚至清了清嗓…

SoS、Semantic SoS 与 Semantic EoS 有什么区别?一文读懂 AI 语音轮次检测机制

在对话式 AI(Conversational AI)中,SoS、Semantic SoS 和 Semantic EoS 分别涉及三个问题:用户什么时候开始说话、什么样的发言应该触发交互,以及用户什么时…

开发者搭一套实时语音Agent,这些开源工具已经够用

搭一套能跑起来的语音AI Agent,识别、合成、打断处理、多路对话这几层,到底有哪些是开发者可以直接拿现成开源项目用的。 一. 语音识别(ASR/STT):给系统一双耳朵 whisper.cpp O…

如何在长会话中管理对话上下文?

在与客服机器人或智能语音助手交谈时,我们常常会碰到这样的尴尬:聊了几句后,AI 突然像失忆了一样,前面说过的信息全忘了。这种对话中断或语义错位的现象,让用户不得不重复解释背景或问题,体验大打折扣。例如…