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 …
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 …
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…
11 月 5 日,Meta 为个人 AI Agent Muse 上线了实时语音和动态数字人功能。用户可以直接和 Muse 说话,屏幕上的虚拟角色会跟着回答做出口型、表情和手势。用户中途插话,Muse …
11 月 4 日,Google 正式开放 Voice Remixing,支持在 Google AI Studio 和 Gemini API 中使用。开发者可以从语音库中选择一种声音,也可以使用自己设计…
2026 年 11 月 2 日,语音 AI 公司 Hume 正式发布 Audio Decision API,与传统 ASR 不同,这项 API 直接接收音频,根据开发者提出的问题,判断声音中的情绪表达…
10月27日,Google DeepMind 发布新一代世界模型 Genie 4,展示了一个值得关注的方向:用户可以进入 AI 生成的场景,通过键盘移动、改变观察视角,还可以使用自然语言调整天气、加入…
10月21日,在德国柏林举行的 NVIDIA GTC 2026 主题演讲上,黄仁勋带来了四只小鸭子。它们是由法国 Pollen Robotics(Hugging Face 旗下机器人团队)开发的双足机…
2026 年 10 月 19 日,Google Developers Blog 发布了一篇关于实时 Voice Agent 的实践文章。Google 使用 ADK 和 Gemini 3.8 Live …
2026年10月5日,亚马逊在Bedrock上线了Amazon Nova 2.5 Sonic,内容是推理能力、指令遵循、工具调用准确性的提升,延迟也有所降低,公告原文没有给出任何百分比或毫秒数字,第三…
从微软一次性发布的三款语音模型,看流式架构怎么把延迟压进了百毫秒区间 2026年10月1日,微软一次性放出了三款语音模型:流式语音识别MAI-Transcribe-2-Streaming,两档语音合成…
本博客为技术交流与平台行业信息分享平台,内容仅供交流参考,文章内容不代表本公司立场和观点,亦不构成任何出版或销售行为。