#语音交互

avatar
用户视角下，电脑有三要素：显示器、鼠标、键盘。 iPhone 干掉了鼠标，隐藏了键盘，放大了显示器，成为了 Super Hardware. Wispr Flow 借助 AI 终于干掉了键盘。只需 Voice 就能自然交互的某个应用，会有大机会成为 AI 时代的 Super App. 只需 Voice，不需要鼠标、键盘、显示屏，同时又能完成绝大部分需求的某个硬件，大概率就是新一代 iPhone，长得将会完全不像 iPhone. 不光下一代抖音已经在路上，下一代 iPhone 也可能已经在路上。
#iPhone #AI #语音交互 #未来硬件 #Super App
avatar
用户视角，电脑有三要素：显示器、鼠标、键盘。 iPhone 干掉了鼠标，隐藏了键盘，放大了显示器，成为了 Super Hardware. Wispr Flow 借助 AI 终于干掉了键盘。某个只需 Voice 就能自然交互的应用，有大机会成为 AI 时代的 Super App. 某个只需 Voice，不需要鼠标、键盘、显示屏，同时又能完成绝大部分需求的硬件，大概率就是新一代 iPhone，长得将会完全不像 iPhone. 不光下一代抖音已经在路上，下一代 iPhone 也可能已经在路上。
苹果Liquid Glass：开发者适配陷两难，AI助力AR或成未来· 68 条信息
#iPhone #AI #语音交互 #未来硬件 #Super App
avatar
Leo Xiang
3个月前
想清楚 OpenAI Realtime API 以及 Gemini Live API是什么了： Realtime API = ASR + TTS + 意图识别小模型。 更多的是作为语音交互Agent的接入层。
OpenAI新德里发布会：ChatGPT语音翻译功能引发热议· 522 条信息
#OpenAI #Realtime API #Gemini Live API #ASR #TTS #语音交互 #意图识别 #AI
avatar
GitHubDaily
4个月前
在 GitHub 上发现一个 100% 本地替代 Manus AI 的开源解决方案：AgenticSeek。 基于本地推理模型和智能代理系统，能够自主浏览网页、编写代码、规划任务，还支持语音交互，就像钢铁侠电影里的 Jarvis（贾维斯）一样酷炫。 GitHub： 主要功能： - 完全本地化运行，所有数据保留在设备上零云端依赖 - 智能网页浏览，可自动搜索信息和填写表单 - 自主编程助手，支持 Python、C、Go、Java 等多种语言 - 智能代理选择系统，自动匹配最适合的任务处理方式 - 语音交互功能，支持语音输入和文本转语音输出 - 复杂任务规划执行，能将大型任务分解为步骤完成 提供详细的安装配置教程，建议至少使用 DeepSeek 14B 以上参数的模型，对电脑性能配置有一定要求。
#GitHub #开源 #AI技术 #AgenticSeek #本地化 #智能代理 #语音交互 #自主编程 #网页浏览 #安全隐私 #开源项目
avatar
小互
4个月前
Google 展示 Android XR 智能眼镜原型机 长时间记忆、实时语音交互、根据用户行为自动提供帮助 Android XR 智能眼镜功能： 上下文理解：通过摄像头和麦克风获取用户视角，结合地理位置信息理解当前场景和任务。 语音交互：随时启动语音助手，无需手动唤醒、无需使用手机。 实时辅助：根据用户行为自动推荐动作，如导航、查资料、拍照、翻译等。 记忆与个性化：具备长时间任务记忆功能，理解用户偏好、事务上下文。 与 Gemini 整合，实现真正的视觉助手
#Google #Android #XR #智能眼镜 #语音交互 #实时辅助
avatar
智能家电语音交互技术通用要求国家标准发布
从结构设计、安全性、功能性、标注标识等方面提出技术要求。
#智能家电 #语音交互 #国家标准
avatar
以后家电这样“听话”！智能家电语音交互国家标准发布
#智能家电 #语音交互 #国家标准发布
avatar
小互
8个月前
兄弟们，这个强啊，效果真的挺棒 复旦大学OpenMOSS人工智能开放实验室 推出首个端到端实时语音交互模型 中文语音能力感觉和GPT 4o 的高级语音很接近 - 低于 200 毫秒，支持语音打断和自然互动 - 可根据指令生成多情感、多风格的语音，包括模仿特定角色的情绪。 - 丰富的情感控制：支持生成多种情感语音，如欢快、严肃、悲伤等。 语音风格多样化：可以模拟不同的角色语调、情绪和语气。支持生成说唱、戏剧化台词、机器人声效、低语耳语、方言等风格
#复旦大学 #OpenMOSS #人工智能 #语音交互 #实时语音 #情感控制 #语音风格 #GPT-4 #中文语音