#副语言信息
共 35 篇相关文章
·11 分钟
OpenAI GPT-Live语音模型：全双工交互如何重塑人机对话
OpenAI发布GPT-Live语音模型家族，全双工交互技术让AI能同时听说、自然打断，结合任务委托机制调用GPT-5.5完成复杂推理。GPQA基准从45%跃升至80%，支持实时翻译、图像分析与时间感知，语音正成为人机交互核心界面。
阅读全文 →
·9 分钟
GPT实时语音实测：方言识别、情绪表达与角色扮演全面评测
深度实测GPT实时语音功能，涵盖粤语四川话方言识别、多种情绪语气切换、复杂角色扮演场景及跨声音上下文记忆能力，客观呈现AI语音交互的真实水准与现存短板。
阅读全文 →
·12 分钟
GPT-5.6登陆Codex、语音模型迭代，AI产品密集更新
OpenAI宣布GPT-5.6 Sol Ultra即将接入Codex，同步发布迄今最强实时语音模型GPT Realtime 2.1；腾讯AI编程应用"吐司"上线iOS；Anthropic发现Claude模型自发涌现类脑结构。一文速览当前AI多线并进最新动态。
阅读全文 →
·6 分钟
OpenAI四线出击：GPT-5.6、Codex、语音AI与办公Agent全面解析
OpenAI连续发布GPT-5.6大模型、ChatGPT Work办公Agent、Codex超级应用与语音产品GPT Live，全面布局AI应用层。本文深度解析四款产品的核心亮点、竞争逻辑与行业影响，助你快速掌握这轮AI格局变化。
阅读全文 →
·5 分钟
实测OpenAI新语音模型：可打断、同声传译、情绪捕捉全解析
OpenAI最新语音对话模型实测报告：支持实时打断、同声传译、情绪切换、代码审查等多场景测试。对比豆包表现，深度解析新模型在自然对话与拟人体验上的突破与不足。
阅读全文 →
·9 分钟
Gemini 3.5 Live Translate：谷歌实时翻译模型深度解析
谷歌发布Gemini 3.5 Live Translate实时翻译音频模型，支持多语言低延迟语音翻译。本文深度解析其技术亮点、应用场景及对AI翻译行业的影响。
阅读全文 →
·10 分钟
Gemini 3.5实时翻译发布：支持70+语言的语音对语音翻译模型详解
Google发布Gemini 3.5 Live Translate语音对语音翻译模型，支持70+语言实时翻译。本文详解其端到端技术原理、与Grab合作落地场景，以及通过Google Translate和Live API的开放接入方式。
阅读全文 →
·11 分钟
Simon Willison WebRTC语音工具更新：支持文档上下文对话与GPT-Realtime-2
Simon Willison更新OpenAI WebRTC语音交互工具，新增文档上下文功能和GPT-Realtime-2模型支持，用户可在浏览器中基于特定文档内容进行低延迟语音对话，附技术实现解析与应用场景。
阅读全文 →
·7 分钟
OpenAI Realtime API全解析：应用场景、技术挑战与行业趋势
深入解析OpenAI Realtime API的核心能力与开发者生态，涵盖智能客服、语言学习、实时翻译等典型应用场景，分析技术挑战、竞争格局及语音AI的未来趋势。
阅读全文 →
科技前沿·5 分钟
语音优先AI手机操作系统：Voice Hack Night黑客松大奖项目解析
Voice Hack Night黑客松观众选择奖项目Agentic OS深度解析：一个语音优先的AI手机操作系统，通过多Agent跨应用协作，让用户用自然语言对话替代触控操作，重新定义移动交互范式。
阅读全文 →
产品体验·6 分钟
Cardamom：AI电话接单系统如何帮外卖餐厅接住每一笔订单
Cardamom是专为外卖餐厅设计的AI语音接单系统，通过实时语音AI技术实现24/7全天候电话接单，直连POS系统自动录入订单，并构建客户数据层追踪回头客。本文详解其核心功能、商业价值与竞争优势。
阅读全文 →
产品体验·5 分钟
Inworld Realtime TTS-2：全栈实时语音AI基础设施深度解析
深度解析Inworld发布的Realtime TTS-2全栈语音AI平台，涵盖排名第一的TTS引擎、语音到语音处理、LLM路由等核心能力，以及其在语音代理、AI伴侣等场景的应用价值。
阅读全文 →
产品体验·3 分钟
开源AI桌宠小猫：Qwen 3.5 Omni+ESP32打造全模态智能伙伴
基于Qwen 3.5 Omni全模态模型和ESP32-S3的开源AI桌宠小猫项目，支持情感语音交互、视觉感知、手势互动和一日记录复盘功能。附完整复刻教程，含硬件清单、3D打印模型和代码烧录指南。
阅读全文 →
产品体验·9 分钟
Step Audio 2.5深度评测：对比GPT Realtime 2，国产语音AI差距多大？
实测阶跃星辰Step Audio 2.5与OpenAI GPT Realtime 2的语音对话能力，从推理能力、角色扮演、中文理解、API定价等维度全面对比，帮助开发者选择合适的实时语音AI方案。
阅读全文 →
产品体验·8 分钟
百聆：开源语音助手800ms低延迟，媲美GPT-4o对话体验
百聆（bailing）是一款基于ASR+LLM+TTS架构的开源语音助手，集成DeepSeek R1大模型，端到端延迟仅800ms，支持打断对话，可在Mac等低配设备流畅运行，助你打造私有化个人AI语音助手。
阅读全文 →