近日，TEN框架在GitHub平台正式开源，这是一个专门为对话式语音AI智能体设计的开源开发框架。该框架的发布标志着语音交互AI领域迎来了重要的技术突破，为开发者提供了构建复杂语音对话系统的标准化工具集。TEN框架支...

近日，一款名为Handy的开源语音识别应用在技术社区引发关注。这款采用Rust语言编写的跨平台工具，实现了高效的实时语音转文本功能，其开源特性允许开发者自由查看和修改源代码。Handy支持Windows、macOS和Linux三大...

法国研究机构Kyutai Labs近日开源其文本转语音（TTS）系统Kyutai TTS，该技术凭借L40S GPU实现32请求并行处理时仅350毫秒的延迟表现，达到行业领先水平。系统创新性地提供单词级时间戳输出功能，英语和法语的字错误...

谷歌最新发布的Gemini 2.5模型在机器人技术和具身智能领域实现了重要突破。该模型通过增强的编码能力、推理能力和多模态处理能力，特别是基于空间理解的技术创新，为开发者提供了强大的工具。开发者可利用Gemini 2.5...

人工智能语音技术公司ElevenLabs近日发布了名为11.ai的个人AI语音助手，该产品以其低延迟特性脱颖而出，并深度整合了Perplexity、Linear、Slack和Notion等主流生产力平台。通过MCP（多通道处理）集成技术，11.ai能够...

谷歌视频会议平台Google Meet近日宣布推出实时语音翻译功能，该功能基于DeepMind开发的先进音频语言模型，能够在翻译过程中保留说话者的声音、语调和表达方式。这一技术的突破性在于它不仅实现了语言的即时转换，还...

GitHub上的开源项目RealtimeVoiceChat由开发者KoljaB推出，旨在实现与AI的自然语音对话，其延迟时间可控制在约500毫秒内，接近实时交互水平。该项目采用先进的语音识别和生成技术，结合高效的网络传输协议，显著提升...

法国人工智能研究机构Kyutai最新推出突破性语音互译系统，该系统基于多流Transformer架构，可实现高保真度的实时语音到语音翻译。该技术突破传统文本中转翻译模式，直接在声学层面进行跨语言转换，并保持原说话者的...