主题标签

语音

关于该主题的全部内容，按发布时间持续更新。

23 篇内容

本期主稿 2026.10.01

像改文字一样改语音：火山引擎把“口播纠错”变成一句话的事

录完一整天口播，最后复盘发现某个专业名词念错了。过去这意味着重录整段、重新对轴、重新导出；现在，改一句话就够了。一分钟速览火山引擎发布语音内容编辑模型，支持用自然语言指令修改已录制语音的内容。核心思路：先把声音转成离…

约 4 分钟阅读全文

openai-gpt 2026.09.16 约 4 分钟

核心看点 GPT-Live-1 正式登陆 API，为开发者带来自然流畅的语音交互能力单一模型同时处理听和说，告别传统 STT-LLM-TTS…

Google Gemini 2026.08.28 约 3 分钟

核心看点语音代理化：Gemini Live新增Agentic能力，动动嘴就能完成复杂任务每日简报：自动汇总Gmail、日历重要信息，语音播报…

AI 日报 2026.08.05 约 7 分钟

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…

应用 2026.08.04 约 2 分钟

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…

模型框架 2026.07.31 约 2 分钟

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…

AI 日报 2026.07.30 约 4 分钟

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…

anthropic-Claude 2026.07.28 约 3 分钟

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…

模型框架 2026.07.07 约 2 分钟

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…

Google Gemini 2026.06.22 约 3 分钟

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…