11.11云上盛惠!海量产品 · 轻松上云!云服务器首年1.8折起,买1年送3个月!超值优惠,性能稳定,让您的云端之旅更加畅享。快来腾讯云选购吧!
腾讯云
12-20
基智科技凭借全双工交互技术突破,推出自研Voice Agent语音智能数字员工,重新定义企业级语音交互新标准。其基于大模型原生能力,打造“通用LLM底座+行业垂直大模型+语音Agent专用模型”三级架构,实现从被动应答到主动执行的本质跨越。产品具备极致流畅的全双工体验、超高精度语音能力及深度上下文理解,已覆盖营销、客服、运营等全场景,在金融、汽车、互联网等行业规模化落地,助力企业降本增效。凭借技术领先与商业化验证,基智科技已成为行业标杆,并获得战略资本加持,加速推动Voice Agent在多行业渗透与深耕。
字节跳动正式推出原生全双工语音大模型Seeduplex,基于边听边说”的全新架构,彻底打破传统AI语音交互一问一答”的局限,实现自然实时对话。 目前Seeduplex已在豆包App全量落地,成为行业内首个规模化应用的全双工语音大模型。 Seeduplex的核心突破的是改变了传统半双工听完再说”的交互模式,真正实现了听与说的同步处理,其中两大核心能力得到重点突破: 精准抗干扰:
微信输入法iOS版迎来3.0.0大版本更新,聚焦语音功能优化。升级后语音识别准确率与速度显著提升,并新增15种方言语音输入,覆盖粤语、四川话等。新版支持不限时长的语音输入,方便记录会议等内容,同时具备离线语音输入功能,保障网络不佳时顺畅使用。官方强调严格遵循隐私政策,仅收集必要信息,保障用户数据安全。
云决科技推出VITA一站式AI办公平台及配套沸鼠AI语音鼠标,解决现代职场效率痛点。平台整合豆包、DeepSeek等大模型,提供文档生成、多语言翻译、智能会议纪要等功能;AI鼠标配备专属按键,支持语音输入实时转文字及一键生成PPT/视频。该组合覆盖行政、教育、外贸等多行业场景,可节省80%工作时间,通过软硬件协同重构智能办公流程,推动企业数字化转型。
本期AI日报聚焦多项技术突破:豆包推出全自动有声剧系统,实现98%角色识别准确率;Adobe Firefly Image 5支持400万像素原生输出及AI音轨生成;Soul发布90分钟无中断播客生成模型;360推出全球首款L2-L4全栈智能平台;IBM发布可在普通设备运行的Granite 4.0 Nano模型。市场方面,移动端AI用户突破7亿,豆包领跑原生应用;PayPal与OpenAI合作使ChatGPT集成支付功能;谷歌推出AI营销工具Pomelli,可基于URL自动生成营销内容。
随着内容创作行业蓬勃发展,高质量、多风格的配音需求日益增长。国内领先的AI语音技术平台——逗哥配音,凭借上千款精选音色和全面的行业适配能力,成为众多专业机构和个人创作者的首选方案。平台拥有超千款声音,覆盖不同年龄、声线和风格,可调参数达数十种,实现“千声千面”的语音多样性。其声音资源具备极强的行业适配性,适用于小说、影视解说、新闻播报、课程培训等多种场景,并针对ASMR、角色对话等专项优化。逗哥配音已整合文案提取、视频去水印等工具,打造一站式创作平台,显著提升内容产出效率。未来计划扩大声音库规模,深化垂直行业适配,并开放自定义音色训练功能,推动AI配音从技术辅助逐步进化为创意产业的核心生产力工具。
AI日报栏目每日提供人工智能领域热点内容,聚焦开发者,帮助洞悉技术趋势、了解创新AI产品应用。最新动态包括:MiniMax海螺AI首尾帧功能上线;元石科技发布问小白5挑战GPT-5;OpenAI推出语音模型GPT-Realtime;谷歌Gemini AI优化表格处理;腾讯黑科技实现AI配音;百度计划培养千万AI人才;MathGPT.ai反作弊功能推广;苹果Xcode集成Claude Sonnet4;微软发布自研AI模型MAI系列;xAI推出高效编码模型Grok Code Fast1;SuperCLUE多模态评测Gemini-2.5-Pro居首;9月1日起AI内容标识新规实施,违规将承担法律风险。
Soul App在2025世界人工智能大会上展示了AI社交创新方案,重点呈现了全双工语音/视频通话大模型技术。该技术突破传统"轮次对话"模式,赋予AI自主决策对话节奏的能力,实现更自然的人机互动。平台通过"AI社交练习"主题,展示了AI在群聊派对中的主持能力,能有效活跃气氛、鼓励用户参与。同时,Soul还探索了多模态交互,基于全双工语音和实时视频生成技术,构建"数字人格"促进深度社交连接。作为社交平台,Soul持续深化AI与社区融合,通过智能推荐和虚拟人生态,为用户提供即时情感支持和共鸣,推动社交向"情感共生"进化。CTO陶明表示,AI正深入个体关系网络,将拓展"情价比消费"等全新市场机会。
本文分析了当前主流AI语音大模型的核心优势与应用场景。全球顶尖模型包括:OpenAI Whisper(多语言识别与翻译)、Google Gemini(情感化语音生成)、Meta AudioCraft(音乐创作与风格转换)。国内讯飞星火(方言识别)、阿里通义(电商客服)、百度文心(车载场景)表现突出。技术突破点在于云端协同架构、零样本克隆和情感语音合成。选择模型需考虑语言支持、场景适配、部署
社交平台Soul App近日升级端到端全双工语音通话大模型,重新定义"全双工"交互模式。新模型突破传统语音交互依赖VAD机制与延迟控制逻辑的局限,赋予AI自主决策对话节奏的能力,实现主动打破沉默、适时打断用户、边听边说、时间语义感知等类人交互体验。同时具备多维度感知、口语化表达、音色复刻等功能,让AI更具"真人感"。该技术将应用于虚拟人实时通话、AI匹配1V1互动等场景,并探索多人互动场景应用。Soul CTO陶明表示,社交是情绪价值和信息价值的双向关系,平台将持续通过技术创新为用户提供更智能、沉浸的社交体验。数据显示,71.1%年轻人愿意和AI做朋友建立情感连接,AI社交正成为重要趋势。