语音
-
AI日报：商汤8B小钢炮U1.5-Lite-Preview发布；MiniMax H3开源排除美国；微软自研全双工AI语音模型曝光
欢迎来到今天的AI日报！这里是你每天探索人工智能世界的指南，聚焦AI领域的热点内容，助你洞悉技术趋势、了解创新AI产品应用。 1、微软首款自研全双工AI语音模型曝光：听说并行，16种语言自由切换 微软正在测试其首款原生实时语音模型MAI Realtime，该模型支持16种语言和两种语音风格，实现了听说并行的全双工交互，打破了传统语音助手的轮次交替模式。 🗣️ 支持16种语言和两…
-
京东外卖发布AI智能头盔：语音接单+单王导航，首批免费发给全职骑手
京东外卖推出了一款AI智能头盔，首批免费发给全职骑手，后续逐步向全体骑手开放。这款头盔的核心思路很明确：用技术手段让骑手更安全、更高效地工作。 语音接单，不用掏手机 头盔内置AI语音助手，骑手在骑行过程中可以直接用语音完成接单、到店确认、联系用户等操作。不用在风雨里掏手机，安全隐患大幅降低。 “单王带路”，省时间 针对大型社区和写字楼寻路难的问题，头盔搭…
-
阿里发布 Qwen-Audio-3.0-ASR-Flash：专业场景语音识别新突破
阿里最近放出了新一代语音识别大模型 Qwen-Audio-3.0-ASR-Flash，主打一个「专业领域听得准」。 说实话，语音识别在平常聊天场景已经挺成熟了，但一到医疗、法律、工业这些专业领域，模型就经常掉链子——术语太密集，很多词发音还相近，误判率居高不下。这次的新模型就是冲着这个痛点去的，据说在医疗听写场景里准确率已经飙到 95% 以上。 阿里这次开了三个不同版本的接口，…
-
AI日报：Fish Audio发布S2.1Pro语音模型、Grok 4.6定档8月7日、360推出企业智能体平台
今天AI圈有几件值得关注的事，快速过一下。 🎙️ Fish Audio 发布 S2.1Pro 实时对话语音模型 Fish Audio 在成立周年之际推出了生产级语音大模型 S2.1Pro，专为实时对话场景打造。亮点： 首帧音频播放延迟约90毫秒，对话轮替自然流畅 覆盖83种语言，统一语音识别架构 支持耳语模式和情绪控制，可以直接在文本里嵌入括号标签来调节语气 对需要语音交互的产…
-
Claude Opus、Sonnet、Haiku全面支持语音模式：从聊天到实时参谋
核心看点 Claude语音模式升级，支持Opus、Sonnet和Haiku三大模型 支持连接Gmail、Slack等工具，实现语音指令执行任务 扩展多语言支持，允许用户在对话中切换语言 从简单问答升级为能调工具、换语言的实时参谋 详细解析 7月24日消息，Anthropic的Claude语音模式迎来重大升级。此次升级显著提升了Claude处理复杂问题的能力，同时增加了对多种模型…
-
xAI升级Grok Voice：新增21款多语言旗舰语音
xAI 最近对 Grok Voice 进行了一次大升级，新增了21款旗舰级语音，同时优化了原有的5款经典语音。这次更新让 Grok 的语音能力从”能用”变成了”好用”。 21款新语音覆盖多场景 新增的21款语音不是简单的”换个人说话”，而是针对不同场景做了专门优化。客户服务、角色扮演、新闻播报、教育讲解………
-
Google Gemini 3.5实时翻译上线：70种语言同声传译，语调语速全保留
核心看点 6月9日，Google推出Gemini 3.5实时翻译模型，支持70多种语言的实时语音到语音翻译。它能自动检测语言、保留说话者的语调语速，让跨语言交流真正变得自然流畅。 详细解析 技术突破：不只是翻译，是”同声传译” 与传统翻译工具不同，Gemini 3.5实时翻译模型实现了： 自动语言检测：无需手动选择源语言和目标语言，模型自动识别70+种语…
-
Claude语音模式重磅升级：终于支持中文了，还新增按下通话模式
核心看点 中文支持终于来了：Claude语音模式打破英语限制，新增中文、日语、西班牙语等7种语言 新增按下通话模式：除了原有的免提连续对话，现在可以按住说话、松开发送，更像微信语音 Claude Fable 5持续霸榜：Anthropic迄今最强模型，编程、科研、视觉理解全面领先 CEO自曝随时可被解雇：阿莫迪公开公司治理结构，长期利益信托有权撤换CEO 正文 6月18日消息，…
-
豆包实时语音模型3.0 API 上线：从语音助手到语音 Agent 的关键一步
核心看点 全双工对话：能同时听和说，像真人聊天那样可以随时插话，不再是"你说完我说"的回合制 端到端语音：语音进、语音出，不进行文本转录，响应更快、语气更自然 精准遵循 + 适时参与：一句话定规矩，比如"多人聊天时先别出声，聊到世界杯再加入"，它会安静待命，等话题到了再主动接话 支持自定义工具调用：实时对话中直接调用工具完成任务——预定日…
-
ChatGPT 语音将迎来最大规模升级：GPT-Bidi-1 模型曝光
核心看点 GPT-Bidi-1 模型：OpenAI 正在筹备推出全新语音模型，将成为 ChatGPT 语音模式最大规模升级 双向语音交互：从名字推测，可能支持真正的双向实时语音对话 软银合作：OpenAI 与软银合作推出 AI 驱动网络安全解决方案 市场竞争加剧：ChatGPT 全球市场份额首次跌破 50% 详细解析 1. GPT-Bidi-1：语音交互的新突破 据科技媒体 t…
