语音

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…

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，…

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…

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…

核心看点 6月9日，Google推出Gemini 3.5实时翻译模型，支持语音到语音实时翻译 自动检测70多种语言，无需手动选择源语言 保留说话者语调、语速和音高，翻译更自然流畅 即日起在Google各产品中逐步推出，包括搜索、地图、Meet等 与Meta智能眼镜正面竞争：Google联合Warby Parker、Gentle Monster推出Gemini智能眼镜 详细解析 …

OpenAI今天一口气甩出三款实时语音模型，从智能对话到同声传译再到实时转录，直接把AI语音能力拉到了新高度。 核心看点 🎙️ GPT-Realtime-2：智商更高的语音AI 这是上一代实时语音模型的升级版，最大的亮点是具备了高级推理能力。不像普通的语音助手只会念稿子，GPT-Realtime-2能理解上下文、做逻辑推理，实现真正更自然的、有深度的实时对话。对于客服、智能助手…

OpenAI最近一口气发布了三款新型实时语音模型，专门为开发者打造更先进的语音应用场景。这三款模型各有专攻，分别覆盖了推理对话、实时翻译和实时转录三大核心需求。 第一款是GPT-Realtime-2，主打高级推理对话。简单来说，它不只是听懂你在说什么，还能实时理解你的意图、上下文和隐含需求，然后给出更自然、更像真人的回应。以前语音助手经常给人{LQ}机械感{RQ}，就是因为它们…

谷歌正式推出 Gemini-TTS 模型，在文本转语音（TTS）领域实现了重大突破。该模型可通过提示词直接调控语音的情感、节奏和风格，使合成语音更加自然细腻。 核心亮点 ✨ 提示词精确控制 Gemini-TTS 支持通过提示词精确控制语音的情感、节奏和风格。用户无需复杂的参数设置，只需用文字描述想要的语调、情感或风格，模型就能生成符合要求的语音输出。 🌍 近70种语言支持 该模…