➡️
继续阅读
-
语音AI开始边听边说，改变的不只是响应速度
OpenAI于9月10日将GPT-Live-1接入API，核心是全双工语音，模型可边听边说并处理打断、停顿与抢话。深度推理和工具调用由后端文本模型负责，前...
-
CocktailASR-1 开源：目标说话人识别更像一个工程问题了
小米开源CocktailASR-1，聚焦目标说话人语音识别：指定要识别的说话人后，模型只输出该人内容，而非还原全部声音，更贴近会议、车载、客服等场景。文章...
-
Cohere称AI主权很重要——但它刚刚将新翻译模型限制为商业使用
Cohere发布开源权重翻译模型North Small Translate 1.0，支持50多种语言，总参数2180亿。非商业用户可在Hugging Fa...
-
高效资源编排的5种Python技术
本文介绍Python并发资源编排的五种技术：用TaskGroup实现结构化并发，任务失败时自动取消；用Semaphore按后端真实容量限制并发；用Asyn...
-
语音AI最大的误区，是默认每个人都在安静房间里说话
语音AI常忽略真实环境噪声。Vaani发布超122小时印度语音数据，含7.2万片段、5.8万说话者、58种语言及10.6万噪声事件，标注毫秒级起止时间，并...
-
OpenAI 将实时全双工语音模型 GPT-Live-1 以 API 的形式发布
OpenAI发布实时全双工语音模型GPT-Live-1的API，开发者可构建响应更快的语音应用。该模型可同时听与说，支持流畅打断，在Tau3语音代理基准测...
