微软近日发布旗下首个流式语音转写模型 MAI-Transcribe-2-Streaming，并同步推出 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 语音生成模型。新模型在 Artificial Analysis 基准中登顶，展示出高准确率、低延迟和低成本优...

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，...

Listen Labs是一家利用语音AI开展客户访谈的市场研究初创公司，近期已成为AI自动化客户研究领域的主要玩家之一。据TechCrunch报道，该公司原本已与Menlo Ventures签署了1.25亿美元C轮融资条款清单，对应估值达15亿美...

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...

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...