语音

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…

语音交互正在迎来一场静默的革命。近日，字节跳动正式公布新一代全双工语音交互系统Seeduplex，并将其率先接入豆包。这套系统最大的突破在于：它打破了传统语音助手”你说完、我再答”的单轮逻辑，实现了真正的边听边说，让人和 AI 的对话节奏更接近真人打电话。 核心看点 全双工架构：听说同步处理，不再是”听完再说”，对话中断感明显降低…

4月9日，字节跳动正式推出原生全双工语音大模型 Seeduplex，并已在豆包 App 全量落地。这也是行业内首个规模化应用的全双工语音大模型。 核心看点 打破传统 AI 语音”一问一答”的半双工模式，实现真正的边听边说 误回复率和误打断率相比半双工模型减少一半 抢话比例下降 40%，对话节奏更接近真人交流 对话流畅度 MOS 分提升 12%，整体通话满…