19:56
量子位@听雨
推荐理由：三个00后做的音视频社交模型，速度比谷歌Veo 3快7倍，成本低到吓人，适合实时互动场景。
全部 AI 动态
AI 相关资讯全量信息流
6月20日
19:56
由三位00后开发者耗时两个月打造的流式音视频社交模型，在推理速度上达到SOTA水平。相比谷歌的Veo 3，其速度提升7倍，成本降低至1/2000。模型支持实时音视频交互，适用于社交场景。
6月16日
20:46
AITOP6月16日 20:46
02:02
02:02
Jerry Liu@jerryjliu0
Jerry Liu@jerryjliu0推荐理由：Karan Goel 发了两个新模型，Sonic-3.5 做 TTS 排名第一，Ink-2 做 STT 也是第一，说是唯一一家听说都做到顶的。做语音智能体的话看看。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
6月6日
15:55
15:55
marktechpost@Asif Razzaq
marktechpost@Asif Razzaq精选
推荐理由：600M模型转40语言实时
6月4日
10:55
10:55
arXiv cs.AI@Zhifei Xie, Zihang Liu, Ze An, Xiaobin Hu, Yue Liao, Ziyang Ma, Dongchao Yang, Mingbao Lin, Deheng Ye, Shuicheng Yan, Chunyan Miao
72°
推荐理由：做语音交互或智能助手的团队终于有了一个能同时处理流式对话、环境音和实时指令的统一模型，比拼凑多个专用模型高效太多，做音频 AI 的建议点开看看框架和数据集。