#实时语音交互
共 25 篇相关文章
·11 分钟
Dograh：开源语音AI智能体平台，VAPI的免费替代方案
Dograh是一款完全开源的语音AI智能体平台，提供可视化流程构建、30+模型集成、本地部署、电话通信及人工转接等功能，支持一条命令自托管，是VAPI的自由替代方案。
阅读全文 →
·6 分钟
语音Agent延迟优化：为什么平均值骗了你
深度解析语音AI Agent延迟优化的三大陷阱：平均值掩盖尾部延迟、流水线抖动叠加、区域延迟差异。提供P95/P99测量、端到端一致性优化等实战建议，帮助开发者打造真正低延迟的语音交互体验。
阅读全文 →
·15 分钟
GPT-Live全栈重构：AI如何实现边听边说的全双工对话
深度解析OpenAI GPT-Live语音架构升级，从客户端到模型的全栈重构如何实现边听边说的全双工实时对话，解决推理延迟与对话连续性的矛盾，重新定义AI语音交互体验基准。
阅读全文 →
·17 分钟
LiveKit Agents：构建实时语音AI智能体的开源框架详解
深入解析LiveKit Agents开源框架，了解如何利用STT、LLM、TTS模块构建实时语音AI智能体。涵盖核心架构、多模型插件生态、生产部署能力及智能客服、虚拟助理等应用场景。
阅读全文 →
·7 分钟
Peekinduck：双AI语音代理共享记忆，打通B2B客户全旅程
Peekinduck通过Demo Duck和Guide Goose两个AI语音代理共享客户记忆，整合售前演示、新用户引导和售后支持三大环节，为B2B SaaS团队提供亚秒级实时语音交互和全漏斗分析能力。
阅读全文 →
·10 分钟
Project Rai-chan技术解析：全本地化AI伴侣的完整搭建方案
深度解析Project Rai-chan的技术栈实现，涵盖Ollama+Gemma本地大模型、Unity渲染、VOICEVOX语音合成等核心组件，探讨本地AI伴侣在记忆系统、隐私保护与多模态整合方面的技术路径。
阅读全文 →
·15 分钟
GPT Live发布：语音正在成为AI交互的新入口
OpenAI发布GPT Live语音模型，支撑ChatGPT Voice实时对话体验。本文深度解析语音AI的核心挑战——延迟、打断处理与上下文理解，并探讨AI交互入口从打字向实时语音迁移的趋势。
阅读全文 →
·7 分钟
GPT-5.6实测：一句话造枪战游戏与高端官网，附GPT-Live语音体验
实测GPT-5.6与GPT-Live最新能力：19分钟用一句提示词开发可玩枪战游戏，多模态理解生成带动效高端官网，语音模型GPT-Live实现情感化双向对话。全面评测ChatGPT与Codex深度整合后的真实表现。
阅读全文 →
·5 分钟
GPT-Live-1深度解析：OpenAI如何让语音AI学会倾听而非抢话
OpenAI推出最新语音模型GPT-Live-1，核心突破在于减少打断、识别停顿、尊重对话节奏。本文深度解析GPT-Live-1的技术改进方向，以及语音AI从"能说会道"迈向"懂得倾听"的体验进化之路。
阅读全文 →
·11 分钟
OpenAI GPT-Live全双工语音模型：重构人机交互入口
OpenAI发布GPT-Live全双工语音模型，支持实时打断、前后台算力分级调度与动态UI渲染，全面超越Siri，直指操作系统级语音交互入口。解析四大核心能力与行业格局影响。
阅读全文 →
·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 →
·5 分钟
GPT-Live实时语音AI：全双工对话如何重新定义人机交互
GPT-Live凭借全双工音频架构，实现边听边思考、无缝实时翻译与前台陪聊后台执行任务的并行能力，彻底打破语音AI的"回合感"，向真正的对话伙伴迈出关键一步。
阅读全文 →
·11 分钟
零基础转行大模型开发：四层能力进阶路线图
想转行大模型开发却不知从何入手？本文拆解四层能力进阶路线：基础认知、API调用、Prompt工程，到RAG检索增强、模型微调、Agent开发与多模态落地，帮你找准学习方向，构建真正的AI就业竞争力。
阅读全文 →
·12 分钟
Gemini Live三大新功能：持续对话、工具连接与图像生成
Google Gemini Live迎来重大升级，新增持续对话、对话中途连接第三方工具、视觉感知与图像生成三大核心能力，标志着AI助手从对话型向Agent型智能助手的关键转变。
阅读全文 →
·8 分钟
OpenAI评估负责人：永远不要低估模型的能力
OpenAI前沿评估团队负责人Tejal Patwardhan深度分享AI模型评估经验：O1推理模型越狱突破、湿实验室击败人类基线、AGI指数构建逻辑，揭示AI能力进化速度远超想象。
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 →
