「高级语音模式」共找到 1253 篇相关文章
语音模型也能“freestyle”？可定制角色，模拟背景音
阿里新推两款语音模型，Fun - CosyVoice3.5可基于参考音频克隆声音，优化多方面能力；Fun - AudioGen - VD能进行‘从无到有’音色设计，并模拟复杂听觉环境。用户即日起可在阿里云百炼调用。
12ms！一个仅8M的语音停顿检测模型
语音助手准确判断用户是否说完是挑战，Smart Turn将决策过程缩至12毫秒。其v3.1版有改进，新增数据集提升英语识别准确率，推出未量化版本推理更快，8MB模型性能优，已在HuggingFace开源。
Mistral 为 Le Chat 新增远程智能体与 Work 模式
Mistral发布1280亿参数的Mistral Medium 3.5模型，在Vibe和Le Chat引入云端智能体能力，还在Le Chat新增Work模式。新模型可自托管，支持长上下文窗口。社区反馈积极，开发者认可，也有人嫌定价贵。
OpenAI 智能体工程指南：10 条实战技巧和 3 种构建模式
OpenAI 给出智能体工程实战手册，介绍用技能、Shell 工具和上下文压缩三 API 让智能体稳定工作。全文涵盖概念、10 条实战技巧、3 种构建模式，有实用案例但数据精确度存疑。
Cursor 免费平替：Gemini Code Assist (附开启隐藏 Agent 模式教程)
文章介绍了 Cursor 的免费平替 Gemini Code Assist，可在多种 IDE 免费使用，基于 Google 先进的 Gemini 模型。还给出安装指南，以及开启隐藏 Agent 模式教程，开启后能调用 MCPs 增强能力。
独家丨MiniMax 高级研究总监钟怡然已于半年前离职
AI 科技评论独家获悉，MiniMax 高级研究总监钟怡然已离职，去向未公开。他曾主导设计 MiniMax - 01，该模型在超长上下文处理能力上表现突出，走出独特架构创新与效率优化路径。
苹果高级副总裁下岗！AI大败局，靠血洗AI团队解决？
刚进入12月，掌管苹果AI与机器学习战略七年的高级副总裁约翰·詹南德里亚卸任。苹果AI乏力非其一人之过，是谷歌流派与苹果文化冲突所致。此次人事调整后，AI回归软件工程本位，不过人才流失成新挑战。
告别天价API账单！开源Chatterbox语音服务器上线，隐私与效率双赢！
第三方语音合成API成本高、有隐私风险，直接部署开源模型配置复杂。开源的Chatterbox-TTS-Server基于Chatterbox TTS模型，有Web界面、声音克隆等功能，支持GPU和Docker，可解决部署难题。
Hermes Agent 发布更新 Herald：实时语音 + Agent 之间可以互相通信了
Hermes Agent 更新到 v0.20.0 代号 Herald，增加实时语音对话与唤醒词，可验证引用来源可信度，集成签名Webhook，支持代理到代理协议，还有性能与安全方面更新，顺应新 Agent 发展趋势。
估值 20 亿美元的语音输入法，开源平替已经 3 万 star
文章指出语音输入随着 AI 发展价值重估，介绍了开源工具 OpenLess，分析了商业订阅、开源桌面工具、大厂输入法三类玩家，给出四层评估框架，也提及开源风险，并对不同需求给出选择建议。