- 博客(935)
- 收藏
- 关注
RSS订阅原创 MiniMax 发布新 TTS 模型 Speech-02，轻松制作长篇有声内容；Meta 高端眼镜年底推出，售价上千美元丨日报
开发者朋友们大家好：这里是，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的」、「有亮点的」、「有思考的」、「有态度的」、「有看点的」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。
2025-04-02 18:51:57
1006
原创 与 AI 共处 72 小时，没有食物、水、手机，会发生什么｜寻找「赛博鲁滨逊」
更多 Voice Agent 学习笔记：a16z合伙人：语音交互将成为AI应用公司最强大的突破口之一，巨头们在B2C市场已落后太多丨Voice Agent 学习笔记ElevenLabs 33 亿美元估值的秘密：技术驱动+用户导向的「小熊软糖」团队丨Voice Agent 学习笔记端侧 AI 时代，每台家居设备都可以是一个 AI Agent丨Voice Agent 学习笔记世界最炙手可热的语音 AI 公司，举办了一场全球黑客松，冠军作品你可能已经看过多模态 AI 怎么玩？这里有 18 个脑洞AI 重塑宗教体验
2025-04-02 18:14:19
241
原创 ElevenLabs 对话式 AI 支持 RAG；阿里 TaoAvatar 快速生成 3D 数字人：实时渲染兼容移动设备丨日报
我们欢迎更多的小伙伴参与。
2025-03-28 17:26:25
887
原创 昆仑万维发布 Mureka TTS API 和音乐推理大模型；通义发布小尺寸端到端多模态模型 Qwen2.5-Omni丨日报
Lemni 允许用户创建 AI 智能体，负责处理所有客户互动，并在无需增加人手的情况下，实现高度个性化的沟通——涵盖电话、邮件支持以及主动外联。使用 Lemni，你可以在不扩张团队的前提下扩展业务。
2025-03-27 19:44:23
614
原创 直播预告丨手把手教你让 DeepSeek 开口说话
直播预告丨手把手教你让 DeepSeek 开口说话 声网资深产品经理实践教学，“小白”都能看懂的0到1攻略，让 DeepSeek 开口说话就是这么简单。👉🏻快快扫描图2中的二维码提前预约直播吧！
2025-03-26 21:45:22
71
原创 Google 发布 Gemini 2.5 Pro 模型：思考+多模态；Vibe Coder ：通过语音对话实现「氛围编程」丨日报
我们欢迎更多的小伙伴参与。
2025-03-26 16:02:45
857
原创 什么是「Agentic 工作流程」？丨社区来稿
摘要分享者：Richard 林旅强（RTE 开发者社区联合主理人）什么是「Agentic 工作流程」？它是一种让 AI 智能代理（Agent）更主动、更灵活、更像人的方式来处理复杂任务的系统。刚才读到了一篇言简意赅的文章（链接在文末），我想就基于以下每一张文中的图示，来说说什么是 Agentic Workflow、有哪些组成、流程模式与应用场景吧。
2025-03-25 20:04:03
970
原创 FeedbackStream：8 分钟创建 AI 面试智能体；Moshi 开源图像理解实时语音模型 MoshiVis 丨日报
我们欢迎更多的小伙伴参与。
2025-03-24 19:39:14
709
原创 OpenAI 发布新一代 STT/TTS 模型，10 行代码构建 Voice Agent；声网推出对话式 AI 开发套件丨日报
我们欢迎更多的小伙伴参与。
2025-03-21 16:16:50
706
原创 Second Me：在 AI 中保留自我的火种丨社区来稿
这是一个全新的 AI 物种（AI 身份模型），他不想要对齐全人类，他只想对齐一个人，就是你自己。于是，他成为了 “AI 版本的身份”。这是一个开源的早期研究原型，每个人都可以在本地，隐私、安全的训练这个独特的 AI 新物种，并作为身份接口接入世界。这是一个由 AI身份 构成的原生网络，就像最早的互联网，他倡导开放、共建，参与者以 AI 的形态来看见彼此，来一起建设。这也是一种创新的AI原生应用的尝试，每一个创建的应用，都是为了让 “你的AI身份” 代表你来使用，而不是你。
2025-03-20 20:34:51
719
原创 月暗推出音频模型 AudioX：任意内容生成音频和配乐；开源 TTS 模型 Orpheus，可生成叹息、笑声等非文本线索丨日报
我们欢迎更多的小伙伴参与。
2025-03-20 19:54:49
943
原创 Amphion 推出合成音频鉴别系统 Auditi；Gemini 引入 NotebookLM 功能，生成文档、网页音频摘要丨日报
我们欢迎更多的小伙伴参与。
2025-03-19 19:43:56
1041
原创 ElevenLabs 33 亿美元估值的秘密：技术驱动+用户导向的「小熊软糖」团队丨Voice Agent 学习笔记
图：Emmanuel Ashun / Endeavor大家好，这是 Voice Agent 学习笔记系列的第 23 篇，我是课代表十三🧑💻。ElevenLabs 是一家专注于人工智能语音技术的创新公司，致力于重新定义音频体验。凭借其突破性的语音克隆和配音工具，ElevenLabs 正在重塑音频内容创作的未来，让高质量、易于访问的音频内容触手可及。CEO Mati Staniszewski 曾就职于 Palantir，拥有深厚的产品经验。
2025-03-17 20:17:19
836
原创 阿里通义实验室语音团队负责人鄢志杰离职；苹果计划在 AirPods 上配备实时对话翻译功能丨日报
DeepMind 声称，在测试中，Gemini Robotics 使机器人能够在训练数据未涵盖的环境中表现出色。该实验室已发布了一个精简版模型 Gemini Robotics-ER，研究人员可用来训练自己的机器人控制模型，
2025-03-14 17:13:15
689
原创 通义 R1-Omni 模型：通过音视频判断人物情绪；Google 开源端侧多模态模型 Gemma 3，最小 1B 参数丨日报
今晚（周四） 20:00~21:15。
2025-03-13 18:46:45
724
原创 直播预告：慢热的 MCP 终于火了；什么是 MCP，以及智能体通信协议的未来丨RTE Dev Talk
MCP（Model Context Protocol）是一种标准化协议，可将 AI 智能体连接到各种外部工具和数据源。（图：Norah Sakal）慢热的 MCP 终于火了。与此同时，开发者社区中热议的话题还包括 Manus 及其开源复现、Computer Use、Deep Research 等议题——agentic Al 的「ChatGPT」时刻愈发临近。这些 agent 技术之间都有哪些差别？应用场景都有哪些？新协议的引入会带来哪些开发流程的变化？
2025-03-12 20:29:28
863
原创 Cartesia 升级 TTS 模型，可在音频中无缝填充内容；索尼 AI 游戏角色原型：结合语音与动画，与玩家实时对话丨日报
我们欢迎更多的小伙伴参与。
2025-03-12 16:38:24
982
原创 端侧 AI 时代，每台家居设备都可以是一个 AI Agent丨Voice Agent 学习笔记
希望能给大家提供一些新的思考。同时，我们也整理了近 2 万字的完整版文字回顾，点击文末的**「阅读全文」**即可获取！关注「RTE 开发者社区」视频号，点击「直播回放」，也可以查看完整视频。期待与你在 RTE 开发者社区交流更多 Voice Agent 相关话题！enjoy~
2025-03-11 20:53:50
939
原创 Tavus 发布对话轮次控制模型：能理解对话节奏和意图；百度推出 AI 情感陪伴应用月匣，整合 MiniMax 等模型丨日报
我们欢迎更多的小伙伴参与。
2025-03-11 18:51:10
956
原创 YC 孵化项目 Pinch：实时语音翻译视频会议平台；Mistral OCR：能处理多语言多模态复杂文档丨日报
开发者朋友们大家好：这里是，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的」、「有亮点的」、「有思考的」、「有态度的」、「有看点的」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。本期编辑：@qqq，@鲍勃。
2025-03-07 17:36:00
949
原创 世界最炙手可热的语音 AI 公司，举办了一场全球黑客松，冠军作品你可能已经看过
你估计刷到过上面这个视频，两个 AI 最初用人类自然语言交流，在确认彼此身份后，立刻切换到「哔哔哔哔」这种机器专属的 GGWave 通信方式。这个爆火全网的视频，就诞生于我们今天要介绍的 ElevenLabs Hackathon。炙手可热的语音 AI 公司 ElevenLabs，凭借 30 亿美元的估值，在全球范围内掀起一股语音技术浪潮。其发起的语音 Hackathon 吸引了众多开发者踊跃参与，首届活动便汇聚了来自世界各地的数百名开发者和创造者，共同打造出超过 300 个 AI Agent。
2025-03-06 21:32:50
827
原创 Dubformer 获 360 万美元融资，情感迁移技术革新 AI 配音；全球首款宠物智能手机亮相：可定位、AI 实时通话丨日报
我们欢迎更多的小伙伴参与。
2025-03-05 17:06:09
584
原创 Gemini AI 升级视频提问和屏幕共享功能；Voice+Visual Agent Demo：语音对话与视觉互动元素结合丨日报
我们欢迎更多的小伙伴参与。
2025-03-04 18:31:02
938
原创 Appple 超级体验官招募！大声说出你的宝藏 App～
2025 年依旧是属于 AI 的时代，技术飞速迭代，创新层出不穷，而 Apple 生态继续为我们带来了无数令人惊叹的 App。它们或以卓越的用户体验脱颖而出，或凭借强大的功能助力我们的日常工作与生活，又或许凭借独特的创意与设计让人眼前一亮。为了让更多人发现这些隐藏在 Apple 生态中的宝藏 App，也为了激发更多开发者的灵感与创意，我们特别发起这场线上留言活动 —— 「Apple 生态宝藏 App 推荐活动」。回望这段时光，你是否有自己的年度 app 希望更多人看到？
2025-03-03 19:02:51
554
原创 接入语音盒子，广东成人玩偶公司走红；AI 语音访谈员 Chikka 登顶 PH 日榜：AI 语音收集反馈，即时生成洞察报告丨日报
我们欢迎更多的小伙伴参与。
2025-03-03 16:53:42
778
原创 活动报名：Voice Agent 技术现状及应用展望丨 3.8 北京
3 月 8 日周六下午，北京，「智谱 Z 计划&Z Fund」和「RTE 开发者社区」将合办一场 Voice Agent 主题的线下活动。多家语音模型的技术负责人，多个落地场景（AI 陪伴、智能客服、AI 硬件等）的创始人都会参与，欢迎报名！时间：3 月 8 日（周六）14:30~17:30地点：北京 ·搜狐网络大厦杨慧，RTE 开发者社区发起人，声网生态运营中心负责人贾世坤，智谱 MaaS 平台产品负责人尹顺顺，Soul AI 技术负责人。
2025-02-28 18:59:39
765
原创 今晚 8 点直播：Alexa+ 让 6 亿终端瞬间获得 AI 能力！端侧智能都有哪些开发者机会？丨 RTE Dev Talk
如果您正在开发具备语音对话、视觉识别等多模态能力的 AI Agent，或者对探索下一代人机交互方式充满热情，欢迎你预约并收看 27 日（周四）晚八点的 RTE Dev Talk！昨晚 Amazon 发布了新一代 Alexa+，6 亿台智能设备终端瞬间获得了新一代 AI 的能力。现场演示中，Alexa+ 可以根据用户的语音指令切换播放设备，让音乐、视频在不同房间流转；能与安防摄像头联动，自主调出与用户指令相关的视频片段，如「遛狗了吗」等；
2025-02-27 17:13:44
252
原创 Elevenlabs、Hume.ai、B 站多家推出 STT/TTS 新品；Amphion 开源 20 万小时语音数据集丨日报
我们欢迎更多的小伙伴参与。
2025-02-27 13:35:35
797
原创 Hugging Face 发布 Python WebRTC 库：构建实时音视频应用；微软 Magma：多模态跨数字物理世界丨日报
我们欢迎更多的小伙伴参与。
2025-02-26 20:29:07
783
原创 小红书独立开发大赛：让你的宝藏应用被更多人看到
无论你是业余在做一款 passion project 的 builder，还是试图 bootstrapping 自己造血的小团队。小红书发起的首届独立开发大赛都值得你关注。最近越来越多的社区开发者说，他们会选择在小红书冷启动自己的项目，因为这里能获取到友善的初期反馈和精准的早期用户。这些反馈和用户，都将成为一个独立应用未来成长中最坚实的土壤。RTE 开发者社区作为本次独立开发大赛的合作伙伴，也会选送一些实时互动、多模态 AI 领域的优秀作品。选送作品将有优先初审和流量扶持的机会。
2025-02-26 19:52:26
633
原创 视觉理解+实时语音，打造你的多模态实时 AI丨 TEN+亚马逊云科技开源工作坊
RTE 开发者社区是聚焦实时互动领域的开发者社区。希望通过社区链接领域内的开发者和生态力量，萌芽更多新技术、新场景，探索实时互动领域的更多可能。这里你将遇见一群致力于改变人和人、人和世界，以及人和 AI 连接方式的开发者。官网：rtecommunity.dev亚马逊云科技 User Group 开发者社区是一个为开发者们提供彼此学习、分享技术实践、培训进阶等活动的技术交流分享社区。
2025-02-25 19:45:49
805
原创 Product Hunt 金喵奖 Voice AI 项目一览；AI 招聘平台 Mercor 再融资，估值 20 亿美元 丨日报
我们欢迎更多的小伙伴参与。
2025-02-24 22:40:15
1055
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人