搜索「实时语音」，找到 22 条相关内容
-
谷歌推出Gemini 3.8 Live与Extended Thinking实时对话模型
谷歌发布Gemini 3.8 Live与Extended Thinking两款实时对话模型，前者主打低延迟交互，后者强化长链推理能力，进一步加码实时AI赛道。
-
谷歌发布两款实时对话模型，97种语言自动切换与推理能力成焦点
谷歌推出Gemini 3.8 Live与Gemini 3.8 Live Extended Thinking两款实时对话模型，前者主打规模部署与成本优化，后者强化多步推理，支持97种语言自动检测切换，并已在多平台开启推送。
-
谷歌发布Gemini 3.8 Live实时音频模型，强化边聊边办与复杂推理
谷歌推出新一代实时音频模型Gemini 3.8 Live，支持对话中同步执行任务，并引入Extended Thinking模式以应对复杂推理场景，进一步升级多模态交互能力。
-
谷歌推出Gemini 3.8 Live语音模型，实现边说边想实时推理
谷歌发布原生语音大模型Gemini 3.8 Live及扩展推理版本，首次在低延迟语音流中实现多步推理，即日起通过API和AI Studio开放。
-
OpenAI开放GPT-Live-1语音模型API，每分钟0.05美元切入实时交互市场
OpenAI将ChatGPT语音功能背后的GPT-Live-1模型开放给开发者，该模型采用全双工架构，支持实时听取与回应，语音前端定价每分钟0.05美元，后台推理模型另行计费。
-
OpenAI 将 GPT-Live-1 推向 API 市场，实时语音交互迎来全双工新阶段
OpenAI 宣布 GPT-Live-1 正式登陆 API，支持全双工对话、打断处理与电话智能体。前端语音层每分钟 0.05 美元，早期测试中误打断减少近 80%，代码量缩减 80%。
-
美国GPU服务器租用避坑指南：性能、带宽与性价比如何兼得？
面向站长和技术人员的美国GPU服务器选型指南，解析GPU型号、带宽线路、价格陷阱等核心问题，推荐秀米云高性价比方案，助你避开常见坑点，找到适合AI推理、渲染或游戏业务的服务器。
-
Meta发布轻量级语音转写模型，加速智能眼镜交互落地
Meta推出Muse Voice Transcribe实时语音转写模型，专为AI眼镜等端侧设备优化，降低延迟与资源消耗，推动语音交互在可穿戴场景的普及。
-
GPT-Live架构解析：OpenAI如何实现连续语音交互的低延迟与状态管理
OpenAI发布GPT-Live工程报告，详述实时媒体路径与异步逻辑分离、会话级有状态推理及上下文迁移机制，并基于WebRTC优化连接启动。InfoQ专访揭示架构权衡与静默测试发现的问题，为实时AI系统设计提供参考。
-
Meta语音识别新突破，多说话人技术助推智能眼镜交互升级
Meta推出实时语音模型，支持20余位说话人识别，为AI眼镜等多设备场景提供更自然交互，推动语音技术迈向实用化。