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 ...
2026-11-18
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...
2026-11-10
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...
2026-11-10
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...
2026-11-10
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...
2026-11-10
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 ...
2026-11-09
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...
2026-11-05
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...
2026-11-03