0
不把声音先压成文字：Modulate 的音频原生模型想听见什么
客服录音里，用户说“没问题，我再等等”，文字看着很客气；但若这句话前面沉默了十秒，语速突然放慢，另一端的语音助手还在重复同一句答复，质检人员大概不会把它判作一次顺利沟通。把通话先转写，再让语言模型读文本，能处理“说了什么”，却未必保留停顿、
标签: 语音AI
0
SeedRealtime 技术解析：音视频全双工模型如何实现实时交互
SeedRealtime 把音频、视频和文本纳入统一时间流，目标是减少级联式语音系统的延迟、抢话和上下文损耗。本文讨论统一架构、打断控制、回声治理与机器人落地边界。
0
语音AI进入全双工时代：GPT-Live让智能体像同事一样边听边干活
OpenAI发布GPT-Live，把语音AI从轮流说话推进到全双工交互，并通过后台委托把实时对话和深度推理分离。语音入口正在从问答功能变成智能体协作界面。