#GPT Realtime 2
共 26 篇相关文章
·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 →
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 →
·7 分钟
ElevenLabs MCP接入Claude：用对话管理AI语音智能体
ElevenLabs推出面向Claude的MCP集成方案，开发者可通过自然语言对话创建、配置和管理语音智能体，无需切换平台。本文解析MCP协议如何简化语音AI工作流及其对行业的深远影响。
阅读全文 →
·14 分钟
AI Group Call：六个AI同时语音开会为你出谋划策
AI Group Call 让六个AI角色在语音会议中轮流发言、相互辩论，为你提供多角度决策建议。支持即时打断、自动转录总结和持续对话，探索多智能体协作的全新交互范式。
阅读全文 →
·16 分钟
Attyn：把AI直接带到光标位置的Mac效率神器
Attyn 是一款 macOS 嵌入式AI工具，支持原地改写文本、实时语音转文字、屏幕内容问答和可视化解释四大功能，无需切换应用即可调用AI能力，支持自带API密钥和本地模型运行。
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 →
·11 分钟
Leaping AI：语音AI代理自动执行数周电话营销跟进
Leaping AI 为家装、屋顶维修等蓝领服务业打造语音AI代理，支持100+路并行通话、多日营销活动自动跟进、多语言切换及CRM深度集成，解决漏接电话、线索响应慢、跟进不足三大痛点。
阅读全文 →
·6 分钟
AI驱动持久化RPG引擎：React+Supabase全栈实践指南
深入解析基于React SPA和Supabase构建的AI持久化RPG游戏引擎，探讨大语言模型如何与现代Web技术栈结合，实现跨会话记忆、动态叙事生成和游戏状态管理的核心技术方案。
阅读全文 →
·12 分钟
英伟达领投1亿美元！巴黎AI语音初创Gradium杀入硅谷
巴黎AI语音初创公司Gradium完成1亿美元种子轮融资，获英伟达战略加持。本文深度解析英伟达生态投资逻辑、欧洲AI公司全球化野心，以及AI语音赛道最新竞争格局。
阅读全文 →
·10 分钟
AI一周复盘：四大厂集体降价，Copilot付费转化率仅4.5%
一周内OpenAI、xAI、谷歌、微软四大AI厂商同时降价，近前沿推理成本大幅下探；微软Copilot在4.5亿席位中付费转化率不足4.5%，揭示通用AI助手的变现困境。本文梳理GPT-5.6、Grok 4.5、Gemini延期、DeepSeek API退役等关键事件及开发者应对策略。
阅读全文 →
·10 分钟
GPT-5.6实测：一条Prompt搞定实时语音动漫应用
实测GPT-5.6 Sol模型：单条Prompt自动生成实时语音动漫角色、从零手写物理引擎、自主搭建陌生工具链。深度评测编程能力、智能体任务表现及基准数据对比，解析其性价比优势与幻觉率短板。
阅读全文 →
·12 分钟
LangChain四大更新：OpenWiki、语音智能体与子智能体编排全解析
LangChain密集发布四项核心功能：OpenWiki自动生成代码库文档、两套语音智能体教程、Harbor长时评估集成，以及deepagents可编程子智能体。本文逐一拆解每项功能的技术原理与应用场景，助力开发者快速掌握智能体全链路开发能力。
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 →
·16 分钟
Gemini Live接入Nano Banana：实时摄像头+图像生成+地图联动全解析
谷歌Gemini Live正式整合Nano Banana图像生成模型与Google Maps等互联应用，支持实时摄像头理解场景并生成可视化方案。全球免费开放，让装修布置、空间规划从想象秒变可见，一文详解核心功能与使用场景。
阅读全文 →
·12 分钟
Pylon Sync：专为AI Agent设计的全栈实时框架解析
Pylon Sync是一款「Agent-First」全栈实时框架，将AI Agent作为设计一等公民，内置实时同步能力，通过收敛写法与强化约定降低AI编码错误率。本文深度解析其设计理念与行业意义。
阅读全文 →
·13 分钟
腾讯混元HY3正式版开源：300B以下最强，1元/百万tokens
腾讯混元HY3正式版正式开源，API定价低至1元/百万tokens输入，在Agent、推理、编码及长上下文领域显著提升，以Apache 2.0协议发布。同日美团开源万亿参数模型LongCat 2.0，首个在5万张国产算力卡上完成推理的万亿模型。
阅读全文 →
·10 分钟
混元Hy3开源+GPT-5.6曝光+日本机器人战略：AI多线突破
腾讯混元3正式版开源，295B MoE架构性能对标更大模型；GPT-5.6 Sol Ultra或登陆Codex，多子智能体协同引发关注；阿里FunASR实时语音升级；日本2040年部署千万AI机器人。一文速览AI产业最新进展。
阅读全文 →
