xAI正式推出Grok Voice 3.0，这是一款语音到语音（speech-to-speech）模型，可通过xAI API直接调用，并且定价与上一代模型保持一致。官方强调，该模型具备亚秒级响应延迟，能够显著提升实时语音交互体验。在独立基准...

OpenAI今日正式在API、Codex和ChatGPT Work中为GPT-6.1 Sol推出Ultrafast模式。该模式提供接近Astra级别的智能水平，同时速度最高可达Sol Standard的8倍，主要面向对响应速度和推理质量均有较高要求的开发与工作场景...

谷歌正式发布Gemini 3.8 Live和Gemini 3.5 Transcribe，为开发者构建实时语音应用提供新一代工具组合。Gemini 3.8 Live聚焦实时交互场景，支持语音对话与即时响应；Gemini 3.5 Transcribe则强化语音识别与转录能力，...

Runway正式发布Solaris，这是其首个界面世界模型（Interface World Model），标志着生成式AI从图像、视频走向实时交互界面的重要一步。Solaris能够在用户操作过程中逐帧生成界面，并同步处理渲染与交互响应，不再依...

传统单页应用（SPA）通常依赖前端JavaScript框架渲染视图，并通过API获取JSON数据，这意味着前端与后端往往需要维护两套独立代码库。HTML over WebSockets 提供了一种不同的架构思路：由服务器直接生成预构建的HTML...

字节跳动近日正式公开了其最新的原生音视频实时交互模型SeedRealtime，该模型突破了传统语音助手仅依赖音频或文本的限制，能够同时处理连续的视频、音频和文本流，并以人类对话般的自然速度进行实时语音回应。这一技...

OpenAI 近期公开了其低延迟实时语音系统 GPT-Live 的技术细节，展示了一套仅用六个月构建的全新架构。区别于传统的轮流发言模式，GPT-Live 采用了全双工语音模型，能够实现一边聆听一边发言的连续对话，大幅减少了交...

微软首个原生实时语音模型“MAI Realtime”日前在MAI Playground中以隐藏早期访问条目浮出水面。该模型采用双向全双工架构，能够同时监听与说话，彻底打破传统语音助手“你一句我一句”的轮流对话模式。目前提供Victoria...