AITOP

语音交互

共 36 条相关 AI 资讯
7月10日
22:52
7月9日
23:46
11:07
09:28
08:36
08:01
06:43
02:48
02:48官方账号Decoder@Matthias Bastian
74°
OpenAI 推出 GPT-Live 全双工语音架构，允许 ChatGPT 同时听和说。复杂问题会被后台的 GPT-5.5 模型接手，显著提升回答质量。GPT-Live-1 已对 ChatGPT 付费用户开放，免费用户可使用 mini 版。API 访问即将到来。
AI产品GPT-LiveGPT-5.5ChatGPTOpenAI语音交互
推荐理由：OpenAI 让 ChatGPT 能同时听和说了，复杂问题自动转给 GPT-5.5 处理，对话更自然。付费用户现在就能体验。
原文
02:46
02:38
01:22
01:04
7月8日
23:23
7月6日
23:09
6月30日
12:28
12:28官方账号arXiv cs.AI@Sathvik Manikantan Napa Ugandhar, Hao Zhang, Alison Gunzler, Yuzhe Wang, Thomas Thebaud, Georgi Tinchev, Venkatesh Ravichandran, Laureano Moro-Velázquez
论文提出DyadEE数据集，包含真实情感协调对话和通过交换伴侣、情感重合成制造的干扰对话。同时提出TRACE框架，将双人交互建模为基于情感微调Whisper声学嵌入的有序序列，将每个样本视为交互痕迹而非池化话语。在DyadEE上实验表明，融入对话上下文和关系信息可提升检测效果，TRACE达到97.01%的准确率。
论文TRACEDyadEEWhisper情感识别语音交互
推荐理由：想研究语音AI如何感知对话中的情感协调？这篇论文提出了新数据集DyadEE和框架TRACE，准确率高达97%，值得做语音交互的朋友看看。
原文
6月25日
01:25
6月24日
16:09
05:42
6月18日
04:03
6月7日
09:42
6月6日
05:51
05:51a16z@a16z
72°
Mira Murati 在 Bloomberg Tech Live 上指出，当前 AI 模型基于回合制交互（你讲完它再想），思考时如同“又聋又瞎”，无法感知用户沉默、打断等细微信号。她提出下一代交互模型应是“基于时间”的连续流式交互，能同时处理音频、文本、视频并实时输出，从而捕捉打断和同时说话等丰富信息。这标志着人机协作从“轮流发言”向“高带宽对话”的范式转变，可能重塑 AI 助手、语音交互和协作工具的设计逻辑。
AI产品人机协作交互模型实时对话Mira Murati语音交互
推荐理由：Murati 点破了当前 AI 交互的硬伤——思考时无法感知用户，做语音助手或实时协作产品的团队值得关注这个方向，它直接决定了下一代交互体验的边界。
原文
6月4日
18:53
18:53岚叔@lufzzliz
83°
Open-LLM-VTuber 是一个开源项目，拥有 8.9k stars 和 1.1k forks，最新版本 v1.2.1，v2 正在规划重写。它将 LLM、语音识别、TTS 和 Live2D 集成，实现用户说话后 AI 理解、回复、合成语音并驱动角色开口。支持“可打断”功能：AI 说话时用户可直接插话，前端 VAD 检测到人声即停播，后端取消当前任务并将“被打断”写入上下文。本地运行需要一定硬件基础，推荐 M 系列 Mac、Nvidia GPU 或较新的 AMD GPU（支持 ROCm 更佳），其他 GPU 或强 CPU 也可尝试。噪音处理依赖 VAD 和停麦，适合本地桌宠和 VTuber Agent 原型开发，公网或商用需自行补充鉴权、限流和测试。
AI产品开源/仓库VTuber语音交互LLMLive2D
推荐理由：想做本地 AI 桌宠或 VTuber Agent 原型的开发者，这个项目把 LLM、语音和 Live2D 串成一条龙，还支持可打断对话，值得直接 fork 折腾。
原文
6月3日
14:43
6月2日
10:50
09:56
09:56小互@imxiaohu
76°
在 OpenAI Voice Hack Night 上，一个团队现场演示了为手机打造的“agentic 操作系统”。其核心思路是“UI 即系统”：手机没有传统 app，所有界面由端侧本地模型实时生成，重推理则交给云端 GPT。演示中，开发者全程用语音指挥手机订机票、删日历日程、查 AI 新闻、发邮件、列待办，展示了 AI 助理的全新形态。这种模式可能颠覆苹果 App Store 的商业模式，因为所有界面都是即时生成的，无需调用任何 APP 界面。不过演示中也出现了翻车情况（发邮件因登录未配置失败），说明技术仍在早期阶段。
AI产品AI助理agentic操作系统语音交互即时生成UIOpenAI
推荐理由：这个 demo 展示了 AI 助理的终极形态——手机界面由 AI 实时生成，不再依赖传统 app，做产品经理或移动端开发的建议点开看看，这可能是下一代交互范式的雏形。
原文
6月1日
00:31
5月31日
14:13
01:51
01:50
5月23日
14:47
5月21日
07:59
5月20日
02:24
02:24IT之家（博客/媒体）
在 2026 谷歌 I/O 大会上，谷歌宣布升级 Google Workspace，将 Gmail、Docs、Keep 等工具转变为可语音对话的协作助手。新功能包括 Gmail Live（自然语音检索邮件）、Docs Live（口述起草与格式整理）和 Keep 更新（自动整理想法）。用户无需点击和输入，可直接用语音查询邮件、起草文档和整理笔记，旨在将办公流程转向更自然的语音交互与自动协作。此外，谷歌还推出独立图像编辑应用 Google Pics，基于 Nano Banana 模型实现精确局部编辑，支持对象分割、颜色替换和文本翻译。
AI产品语音交互办公协作GmailDocsGoogle Workspace
推荐理由：谷歌把办公套件全面语音化，Gmail Live 和 Docs Live 让日常邮件检索和文档起草效率大幅提升，经常处理大量邮件和文档的办公人员可以直接用语音完成操作，值得一试。
原文
5月18日
19:42
19:42IT之家（博客/媒体）
摩尔线程在发布会上介绍了 MTT AICUBE 智能硬件在家庭场景的应用，支持语音点播影片、智能体交互和手游畅玩。用户可通过小麦智能体语音指令直接播放热播剧集或经典老片，无需手动搜索。在旅行规划场景中，用户只需说出目的地和偏好，即可一键生成专属攻略。娱乐方面，MTT AICUBE 可连接手柄畅玩《王者荣耀》《原神》等手游，无需模拟器配置。该产品依托全功能 GPU 图形渲染能力，填补国产 GPU 在端侧安卓生态的应用空白，为开发者提供高性价比测试平台。
AI产品摩尔线程MTT AICUBE智能硬件语音交互手游畅玩
推荐理由：国产 GPU 终于落地家庭场景，做智能家居或手游开发的团队可以关注这个端侧安卓生态的突破，直接体验语音交互和游戏性能。
原文
5月17日
00:16
5月14日
18:29
5月11日
22:15