★ 4
GPT-Live-1 登陆 API 支持自然语音
OpenAI 在 API 中推出 GPT-Live-1，带来自然的全双工语音对话能力。该模型具备更强的指令遵循、自定义音色以及电话通信支持，为开发者构建语音应用提供新基础。
OpenAI53 天前
#语音交互
共 19 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 4
★ 3
千问办公接入乐奇Rokid AI眼镜，语音一句话发起任务
10月27日，乐奇Rokid与千问办公宣布达成合作，千问办公正式接入乐奇AI眼镜。用户在「RokidAI」App智能体商店添加千问办公并绑定账号后，可通过语音唤起并下发任务，在眼镜端直接查看结果。这是AI办公智能体向可穿戴终端的进一步延伸。
36氪5 天前
★ 3
OpenAI 与谷歌 Gemini 共同选用中国实时语音交互技术
报道指出，OpenAI 与谷歌 Gemini 在实时语音交互方案上选择了同一家中国公司的技术。这反映出中国语音 AI 供应商在全球头部大模型产品供应链中的位置正在上升，也说明实时语音交互成为对话式 AI 竞争的关键环节。
量子位6 天前
★ 3
网易云音乐与宇树科技合作，首创机器人自然语言点歌
网易云音乐与宇树科技达成深度合作，业内首创机器人自然语言点歌体验。该功能已覆盖宇树科技Go2机器狗、G1及R1通用人形机器人等热门终端型号。
36氪19 天前
★ 3
Veda 发布首个智能体业余操作系统
Veda 是一个从零用 Rust 编写的操作系统，将 AI 智能体作为系统的一等用户内置其中，而非事后添加的助手。智能体可通过语音或键盘直接操作窗口、文件、网络等系统功能，并在执行不可逆操作前征求用户同意。该项目运行于 x86-64 PC 和 QEMU。
Hacker News22 天前
★ 3
SurgicalRoomAgent：面向智能手术室的语音多智能体系统
论文提出SurgicalRoomAgent，基于大语言模型构建面向智能手术室的语音交互多智能体系统，实现自然语言理解、设备控制、术中记录与手术报告生成。系统采用语音交互流水线与智能体核心的分层架构，并研究KV Cache前缀预热、流式部分JSON解析、渐进式技能提示披露三项低延迟技术。基于Qwen…
arXiv cs.AI50 天前
★ 3
Plaud推出支持eSIM的AI耳机
Plaud发布新款AI耳机，配备支持eSIM的充电盒，可独立连接网络与AI代理交互。该产品售价249美元，旨在提供便捷的语音AI体验。
TechCrunch AI66 天前
★ 2
开发者推出 Uncracked City：审讯会撒谎的 LLM 嫌疑人破案游戏
独立开发者发布侦探游戏 Uncracked City，玩家在城中搜集线索，再用文字或语音审讯由 LLM 扮演的嫌疑人。每个嫌疑人只掌握自身角色设定与时间线，是否构成矛盾由案件引擎判定而非模型。游戏已在 Android 上线，iOS 待审核，免费无账号。
Hacker News – LLM1 天前
★ 2
Dodaios 开源桌面智能体操作系统，语音驱动 Claude Code 与 Codex
Dodaios（原 Personal Jarvis）是一款开源桌面智能体操作系统，可通过语音或聊天在本地驱动 Claude Code、Codex 等编码智能体，支持 Windows、macOS、Linux。它无需账号与付费层，用户自带 API Key 或本地模型，所有可能改动系统的操作都需审批，并…
Hacker News – AI2 天前
★ 2
亚马逊 Alexa 多模态框架筛查认知障碍，准确率 0.76
一篇 arXiv 论文提出基于亚马逊 Alexa 的无接触多模态筛查框架，利用视频、音频和文本信号检测轻度认知障碍（MCI）。参与者完成三项对话任务，多模态融合模型在指令朗读和问答任务上均达到 0.76 准确率，优于单模态模型。研究显示自然交互中的多模态行为线索可区分 MCI 与健康老化，支持向真…
arXiv cs.LG16 天前
★ 2
Veda 开源智能体 AI 操作系统发布
开发者发布 Veda，一个常驻任务栏的智能体 AI 操作系统，可语音操控电脑、记忆用户信息并执行应用操作。其语音识别与语言模型均来自 Deepgram，默认使用 OpenAI gpt-4.1-mini。
Hacker News – AI20 天前
★ 2
TalkToMe：让AI智能体主动给你打电话
开发者发布开源macOS菜单栏应用TalkToMe，可让编码智能体从当前会话主动呼叫用户，用户接听后进行语音对话。应用支持Codex、Claude Code、Hermes等可执行shell命令的智能体，语音转文字后交由智能体处理并朗读回复。
Hacker News – AI34 天前
★ 2
开发者推出面向AI智能体的屏幕上下文工具
一位软件工程师因厌倦反复截图向AI智能体解释上下文，开发了一款Swift应用。该工具通过追踪光标、语音与截图生成结构化事件文件，可一键投喂给Claude、Cursor等AI智能体，本地存储且无需注册账号。
Hacker News – AI44 天前
★ 2
Vibe Key 实测：语音指挥 AI 体验
文章实测 Vibe Key 产品，用户可通过开口说话直接指挥 AI 完成任务，带来类似“当甲方”的交互体验。这反映出语音驱动 AI 代理正成为新的产品方向。具体功能与性能细节未在摘要中展开。
InfoQ AI46 天前
★ 2
Socratix上线AI语音口试Viva功能
Socratix更新上线AI语音口试（Viva）功能，用户在完成概念诊断后需与AI进行实时语音对话，口头论证推理过程，完成后触发评估。开发者同时修复了短答案误判、数学格式错误和移动端导航等问题，目前免费使用。
Hacker News – AI48 天前
★ 1
Prevo：AI 语音面试模拟工具
Prevo 是一款 AI 语音面试官应用，面向签证、入籍、求职和路演等场景提供模拟面试练习。用户可通过语音与 AI 对话进行准备，属于垂直场景的 AI 练习类产品。
Hacker News – AI26 天前
★ 1
Prelulu：Tavus Griffin 的实时 AI 虚拟人通话替代方案
Prelulu 推出面向实时 AI 虚拟人通话的替代产品，对标 Tavus Griffin。该产品主打低延迟的实时数字人视频交互，可用于客服、销售等场景。目前尚处早期阶段，社区关注度较低。
Hacker News – AI30 天前
★ 1
Szept：与 AI 智能体对话并共享屏幕
Szept 是一款 macOS 应用，允许用户与 AI 智能体语音对话并向其展示屏幕内容。属于面向个人用户的 AI 交互工具尝试。
Hacker News – AI38 天前