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近期公开了其最新的实时语音交互系统GPT-Live，标志着语音AI从“交替发言”正式迈入“自然共时”的新阶段。该系统以连续语音处理为核心，实现了全双工通信，彻底抛弃了传统语音助手依赖的轮流对话检测机制。在架构...

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...

谷歌近日发布了Gemini 3.5 Live Translate，这是一个全新的音频模型，专注于实现实时语音到语音的翻译。与传统的语音翻译相比，该模型支持超过70种语言，并致力于消除翻译过程中常见的尴尬停顿，同时保持语调和情感...

OpenAI近日发布了一份工程指南，详细介绍了如何使用其最新优化的模型gpt-realtime-translate构建实时语音翻译系统。该模型专为同声传译场景设计，与传统的轮次语音交互不同，它能实现对语音流进行实时、连续的翻译处...

OpenAI近日在API中正式推出了一系列全新的实时音频模型，标志着语音交互技术迈入了一个全新阶段。该系列包括三款核心模型：GPT-Realtime-2，专注于增强对话式推理能力，能够实现更自然、更具逻辑性的实时语音对话；G...

OpenAI近日详细披露了其用于全球规模实时语音交互的低延迟基础设施架构。该架构基于重新设计的WebRTC协议，核心采用了分体中继（split relay）和收发器（transceiver）模型。通过将传统WebRTC的单一媒体传输路径拆解...