➡️
继续阅读
-
Elevenlabs发布了两款专为实时AI对话设计的新型语音对语音模型
ElevenLabs发布两款实时语音识别模型:v1 Max在Big Bench Audio基准得分98.8%,响应仅0.57秒,兼具高精度与低延迟,面向客...
-
阿里百炼多模态交互套件全面升级 Qwen-Audio-3.1 语音大模型,效果更优、成本更低!
阿里云百炼多模态实时交互套件升级至Qwen-Audio-3.1,面向AI眼镜、学习机、汽车、机器人等硬件提供级联式语音交互方案。ASR支持30种语言、16...
-
ElevenLabs 想接管你的语音代理,开发者需要放弃什么?
ElevenLabs推出Eleven Realtime,提供Mini和Max两款托管语音代理模型,整合语音识别、推理、轮流对话与语音生成,但开发者无法独立...
-
GigaWorld-Policy-0.5——推理时仅基于当前观测做动作生成:训练时想象执行当下动作后未来会变成什么样(即“未来视觉预测”是对动作后果的预测,相机真实拍摄是该“未来视觉预测”的监督信号)
GigaWorld-Policy-0.5是一种以动作为中心的世界动作模型:训练时利用未来视觉动态提供密集监督,推理时仅解码动作、不生成未来视频,从而降低计...
-
NVIDIA Agent Toolkit Expands, Grounding Enterprise Agents in Company Data
Agents are only as useful as what they know, and only as trustworthy as the b...
-
英伟达开源模型推动欧洲各行业主权智能发展
NVIDIA is expanding its family of open models across language, robotics, biol...