AITP
精选全部 AI 动态AI 日报Agent 接入关于更新日志信源提报反馈
登录 / 注册
AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签:语音控制×
6月21日
15:12
15:12IT之家(博客/媒体)
马斯克近日在X平台回应称,Grok语音控制特斯拉FSD功能大约三个月后上线。该功能允许用户用自然语言直接设定行驶逻辑,例如“导航去五金店,倒进门口车位”。此前Grok已通过2025假日版本和2026春季更新(系统版2026.14及以上)新增导航语音指令和“嘿Grok”唤醒。Grok与FSD适配后将无需手动打转向灯,通过语音即可操控转向和泊车,尤其优化停车场景。
AI产品GrokFSD特斯拉语音控制自动驾驶

推荐理由:马斯克说三个月后Grok就能语音开FSD了,以后停车说句话就行,不用手动打转向灯了。
原文
6月17日
13:13
13:13Greg Brockman@gdb
用户 Pat Simmons 分享了 GPT-Realtime-2 的实操经验,该工具通过语音控制实现打开应用、搜索网页、编辑 Premiere Pro 等操作。教程包含从零设置(无需代码)、修复始终监听麦克风(改为按键说话)、通过 MCP 连接 Obsidian 以及利用无障碍树控制 Premiere Pro 等具体步骤。过程中仅需几条提示词即可完成配置。视频还列出了诚实提醒,如延迟和兼容性限制。
技巧GPT-Realtime-2MCP/工具语音控制Premiere Pro教程

推荐理由:Pat 手把手教你用 GPT-Realtime-2 语音操作电脑和剪辑软件,无需写代码,几分钟就能上手,比 Siri 强多了。
原文
6月16日
20:46
AITOP6月16日 20:46
600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI600亿美元买下Cursor,xAI终于拿到了编程工具,但真正值得跟踪的或许不是AI
09:24
09:24Pika Labs@pika_labs
Pika Labs 在 X 平台宣布推出语音控制(非常测试版)功能,用户可直接通过语音或文字指令让智能体完成从概念、选角、故事板到视频片段生成的全流程。生成的镜头直接放入时间线和素材库,支持通过时间线或与智能体对话进行编辑。该智能体能理解项目上下文,避免重复解释。目前支持浏览器内使用,需查看 Twitter 详情。
AI产品Pika视频生成智能体语音控制

推荐理由:Pika 这个新功能让你用嘴就能指挥 AI 做视频,从剧本到成片一步到位,省去重复说明的麻烦。
原文
6月12日
12:57
AITOP6月12日 12:57
Claude代码里藏了个20260612,18个月后的AI记忆革命已经开始倒计时
12:52
12:52Unitree 宇树@UnitreeRobotics
宇树科技展示了其G1机器人通过外部语音命令实时生成任意动作的能力。视频为现场单次录制,包含现场音频。由于动作由AI实时自主生成,存在轻微延迟且动作流畅度有所降低。这一技术展示了人机交互的新方式,使机器人能更灵活地响应人类指令。
AI产品宇树科技G1机器人语音控制实时动作生成人机交互

推荐理由:宇树G1的语音实时动作生成让机器人交互更自然,做机器人开发或人机交互研究的团队值得关注这一进展。
原文
6月11日
15:28
AITOP6月11日 15:28
1107 vs 303:谷歌悄悄开源了一个“拆打字机”的模型,把大模型速度翻了4倍
15:23
AITOP6月11日 15:23
DiffusionGemma颠覆文本生成?自回归模型的“统治”要结束了
15:07
AITOP6月11日 15:07
每秒1107个token,Google开源的扩散模型为什么能改变本地推理格局?
6月1日
01:03
01:03IT之家(博客/媒体)
微星推出MEG Vision X2 AI+台式整机,号称全球首款自带Agentic AI伴侣的游戏台式机。该机内置微星自研AI助手LuckyClaw,用户可通过自然语言语音指令控制性能模式、显示器设置和RGB灯效。正面配备AI Holostage全息显示器,可将数字助理、桌宠和第三方AI虚拟形象以沉浸式形式呈现。该机预装LuckyClaw,完成初始设置即可互动,具体配置包括英特尔酷睿Ultra处理器和英伟达RTX显卡但未公开。
AI产品Agentic AI游戏台式机微星全息显示器语音控制

推荐理由:微星把AI伴侣从屏幕里拉到了全息显示器上,游戏玩家和硬件发烧友可以体验语音控制硬件和虚拟桌宠的沉浸感,值得关注。
原文
5月21日
07:59
07:59IT之家(博客/媒体)
苹果公司预告将在 iOS 27、iPadOS 27 和 macOS 27 中,将 Apple Intelligence 深度集成到无障碍功能中。新版 Voice Control 支持自然语言输入,用户无需记忆按钮名称,只需描述屏幕内容即可操作,例如“点开最佳餐厅指南”或“点紫色文件夹”。彭博社透露,这套底层智能体能力也将用于新版 Siri,使其能理解屏幕内容并直接执行操作。此外,VoiceOver 新增图像探索器,放大器支持视觉描述和语音指令,无障碍阅读器扩展了复杂材料的适配范围。这些更新旨在降低操作门槛,尤其惠及盲人、低视力及阅读障碍用户。
AI产品苹果iOS 27语音控制Apple Intelligence无障碍

推荐理由:苹果把 Apple Intelligence 塞进无障碍功能,让语音控制从死记硬背变成自然对话,做辅助技术或关心残障用户体验的开发者值得关注,新版 Siri 的智能体能力也暗示了未来交互方向。
原文
5月19日
18:05
18:05IT之家(博客/媒体)
72°
宇树科技发布一镜到底视频,展示其G1人形机器人通过外部语音指令自主实时生成各种动作。视频采用现场直接收声,一镜到底拍摄,展示了语音驱动的任意动作生成能力。由于是AI自主实时生成,存在一定延迟且动作丝滑程度稍差。G1机器人发布于2024年,拥有23-43个关节电机,配有力控灵巧手,体重约35kg、身高约127cm。
AI产品人形机器人语音控制宇树科技实时动作生成具身智能

推荐理由:人形机器人终于能听懂人话直接动起来了——宇树G1的语音驱动实时动作生成解决了传统预编程的僵化问题,做机器人开发或关注具身智能的团队值得一看,虽然目前还有延迟和流畅度瑕疵,但方向对了。
原文
精选全部日报登录