「实时语音技术」共找到 3288 篇相关文章
种子轮、2500 万美金，营销 Agent 创业公司，帮客户销售额增长 40%
营销AI Agent公司MAI获2500万美元种子轮融资，其产品Google Ads Agent帮客户销售额增超40%。它解决广告管理难题，让中小企业也能用先进技术，融资将用于平台研发。
超越纯视觉模型！不改VLM标准架构，实现像素级深度预测
Meta开源DepthLM，首证视觉语言模型不改架构，也能媲美纯视觉模型的3D理解能力。它通过视觉提示等策略，解锁VLM多任务处理潜力，为自动驾驶等领域带来前景。
全球仅9所，清华姚班校友当选！亚马逊AI博士奖学金豪掷6800万美元
亚马逊官宣AI博士奖学金，两年共6800万美金，为全球九所顶尖大学100多名博士生提供支持，资助智能体系统等硬核方向。目前，MIT、CMU、UC伯克利公布获奖名单，多位华人学者入选。
HumanSense：探索多模态推理边界，打造「察言观色会共情」的全模态交互伙伴
蚂蚁集团与西安交通大学联合提出并开源 HumanSense，含评估基准与推理模型。通过细粒度评测、全模态消融等研究，提出优化策略，项目已在 GitHub 和 HuggingFace 开源，推动 AI 交互体验革新。
Karpathy盛赞DeepSeek-OCR“淘汰”tokenizer！实测如何用Claude Code 让新模型跑在N卡上
DeepSeek发布新模型DeepSeek - OCR，有诸多技术贡献，获Karpathy等盛赞。它或让文本token输入方式被淘汰。开发者Simon用Claude Code让其在N卡上运行成功，分享了详细过程与经验。
瑞能半导体王越：汽车发展浪潮中，国产SiC器件机遇何在？
瑞能半导体王越在大会演讲，剖析碳化硅器件汽车应用前景，介绍瑞能车规级SiC产品布局。电动汽车电气架构集成化、电压平台高压化，为SiC器件带来机遇，瑞能技术积累深厚，产品布局全面。
清华&巨人网络首创MoE多方言TTS框架，数据代码方法全开源
清华与巨人网络联合首创 DiaMoE-TTS 多方言 TTS 框架，数据、代码、方法全开源。它基于 IPA 体系，有 MoE 架构和低资源适配策略，在多语种验证，为方言语音合成提供低成本、可扩展方案。
让YOLO飞起来：从CPU到GPU的配置指南
文章指出默认安装的YOLO用CPU计算，处理大量图像或实时检测任务效率低。详细介绍将YOLO从CPU模式切换到GPU模式的步骤，对比性能，还给出常见问题解决办法，能显著提升运行效率。
清华大学x生数科技：从波形到隐空间，AudioLBM引领音频超分新范式
音频超分辨率是提升音频体验的关键技术，但高频细节损失是挑战。OpenAI的Sora 2树立高保真音频生成标杆，现有学术模型有局限。清华与生数科技团队发表两项成果，AudioLBM展现通用高分辨率音频生成潜力。
Cursor 1.7 新增 Agent 生命周期管控钩子函数
Cursor 1.7 版本推出钩子系统，可在预定义生命周期节点拦截并修改 Agent 行为，如阻断命令、自动运行工具等。早期反馈有好有坏，虽有团队探索集成，但应用范围有限，还存在文档缺失等问题。