正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

Codex 更新了，现在你可以在 Codex 里直接使用 GPT Live 实时的语音模型。相较于手机端来说，这个体验简直太爽了！你完全可以脱离键盘等任何输入设备，纯语音跟 Codex 交互。比如你戴个带个 AirPods，就可以在家里的任何地方和它对话，用语音询问它生成的结果。它还可以帮你执行 Codex 上的任何命令，这意味着你所有的 vibe coding 都可以脱离键盘和按键，只靠说话来完成了。它会一直处于待命状态。如果你像官方演示那样，放个投影或者把电脑连接到电视上，就可以边干活、边玩游戏或做其他事。即使是上厕所，你都能随时掌握你的 Codex 进度。我刚才简单试了一下，真的很爽！

歸藏(guizang.ai)

168,536 subscribers

56,770 次观看 • 1 个月前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

ChatGPT 桌面端（原来的 Codex App）今天加入了语音控制，macOS 和 Windows 用户可以直接用嘴指挥 AI 干活了。具体来说，你可以一边跟 ChatGPT 说话，一边让它操控电脑、启动 Codex 写代码、调度 ChatGPT Work 执行任务，全程不用打字。开着一个语音对话，同时管理多个后台 Agent（智能体），有点像一个人坐在那里口述指令，几个助手分头干活。这个功能基于 GPT-Live，OpenAI 在 7 月 8 日刚上线的新一代语音模型。GPT-Live 最大的变化是全双工架构，也就是它能同时听你说话和给你回话，不用像以前那样等你说完、停顿、它再开口。遇到复杂问题，它会把推理任务丢给后台的 GPT-5.5 处理，自己继续跟你聊，不会卡住。 macOS 用户多了一个叫 Appshots 的功能：语音对话时，ChatGPT 可以直接看到你当前最前面的窗口，了解你在做什么，回答就更贴合上下文。比如你正在看一段代码，直接说“这个函数有什么问题”，它能看到屏幕内容来回答。Windows 用户暂时没有这个能力。此外，iPhone 用户可以通过远程配对的方式，用 iOS 上的 ChatGPT 语音来操控桌面端的 Codex。等于你拿着手机在沙发上就能指挥电脑写代码。Android 支持还在路上。今天全球同步推出，面向 Plus、Pro、Business、Edu 和 Enterprise 用户。免费用户暂不可用。

宝玉

89,178 次观看 • 1 个月前

给你们看看豆包的另一面哈哈哈哈豆包语音大升级，现在是全双工语音对话了，可以像真人一样和你对话... 它可以边听你说话边处理信息，该等的时候它会等你把话说完，即使你嗯嗯啊啊的结巴，它也会耐心等你，该接的时候马上接，而且你可以随时打断它... 这个版本目前还可以通过设定让它骂人，好像马上就不行了，要优化掉了，官方正在修正你们抓紧试试，不然就不能骂人了😂

给你们看看豆包的另一面哈哈哈哈豆包语音大升级，现在是全双工语音对话了，可以像真人一样和你对话... 它可以边听你说话边处理信息，该等的时候它会等你把话说完，即使你嗯嗯啊啊的结巴，它也会耐心等你，该接的时候马上接，而且你可以随时打断它... 这个版本目前还可以通过设定让它骂人，好像马上就不行了，要优化掉了，官方正在修正你们抓紧试试，不然就不能骂人了😂

小互

76,118 次观看 • 5 个月前

今天发的东西，和之前不太一样，今天发的东西，非常有趣，非常试验性。我和几个小伙伴都是 Vibe Coding 的狂热爱好者，有一天，我们想如果你可以实时和 Codex 对话，那可不就可以在开车的时候也 Vibe Coding 了？所以我们做了这个 Realtime 的 Codex —— Hey Codex 通过这个 App，你可以直接与 Codex 对话，他也会给你实时回复，告诉你他正在做什么。下面是一些 Demo 视频

今天发的东西，和之前不太一样，今天发的东西，非常有趣，非常试验性。我和几个小伙伴都是 Vibe Coding 的狂热爱好者，有一天，我们想如果你可以实时和 Codex 对话，那可不就可以在开车的时候也 Vibe Coding 了？所以我们做了这个 Realtime 的 Codex —— Hey Codex 通过这个 App，你可以直接与 Codex 对话，他也会给你实时回复，告诉你他正在做什么。下面是一些 Demo 视频

Hwang

48,185 次观看 • 3 个月前

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口前台上，全双工实时语音层，支持连续对话和自然打断后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务复杂任务委派给后台Agent，执行结果实时带回当前语音对话人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

阿里最新开源了一个实时语音Harness：Qwen-Audio-Agent，让你的Agent能像打电话一样对话，你边说边想，它边听边干活简单说就是它给你的OpenCode、OpenClaw、Codex们加上了耳朵和嘴巴，然后你就可以用打电话的方式跟这些AI协作 OpenAI有GPT-Live，Qwen-Audio-Agent等于是给现有的Agent生态提供了一个统一的实时语音前台入口前台上，全双工实时语音层，支持连续对话和自然打断后台上，对接OpenCode、OpenClaw、Qoder、Hermes、CodeBuddy、Codex各类Agent，负责搜索、推理、写代码、改文件等深度任务复杂任务委派给后台Agent，执行结果实时带回当前语音对话人机协作方式就变成了：你一边说Agent一边干，你可以随时插嘴补充，它边干活边给你汇报进展，对话过程跟打电话一样 #AI语音 #agent语音助手 #qwenaudio

AIGCLINK

68,938 次观看 • 1 个月前

OpenAI GPT Live 现在登录Codex 和ChatGPT Work 你现在可以像Siri一样和你的Codex进行对话，让它干活、修改任何东西甚至操控你的电脑 But 我更新客户端后，死活没找到这个功能在哪又被耍了...??? 你们有吗？

OpenAI GPT Live 现在登录Codex 和ChatGPT Work 你现在可以像Siri一样和你的Codex进行对话，让它干活、修改任何东西甚至操控你的电脑 But 我更新客户端后，死活没找到这个功能在哪又被耍了...??? 你们有吗？

小互

91,607 次观看 • 1 个月前

之前我做的【♠️德扑插件】在 Codex 上也上架了（看来 Codex 是完全和 ChatGPT 的插件打通了），直接去 Codex 插件搜索：PocketMind 就能安装玩起来！这是一个让我曾经付出了比 Cowart 更多精力的小项目，整体来说它也比 Cowart 精致一些些。和 AI 玩德扑有很多意想不到的玩法，比如你可以随便诈唬它；和它玩完之后可以让它复盘；甚至因为现在是在 Codex 里，你可以让它先写一个德州扑克胜率计算器，用这个计算器辅助来和你玩！

之前我做的【♠️德扑插件】在 Codex 上也上架了（看来 Codex 是完全和 ChatGPT 的插件打通了），直接去 Codex 插件搜索：PocketMind 就能安装玩起来！这是一个让我曾经付出了比 Cowart 更多精力的小项目，整体来说它也比 Cowart 精致一些些。和 AI 玩德扑有很多意想不到的玩法，比如你可以随便诈唬它；和它玩完之后可以让它复盘；甚至因为现在是在 Codex 里，你可以让它先写一个德州扑克胜率计算器，用这个计算器辅助来和你玩！

钟二信

16,941 次观看 • 1 个月前

答应朋友们的来了！你现在能用我的这个 Skills 远程控制 CodeX App 了！安装以后会自动运行配置引导，跟着 CodeX 的指引配置就可以。同时修复了一些问题。如果你之前装不上的话，让 Claude 或 CodeX 卸载你的 Skills，重新安装就可以。

答应朋友们的来了！你现在能用我的这个 Skills 远程控制 CodeX App 了！安装以后会自动运行配置引导，跟着 CodeX 的指引配置就可以。同时修复了一些问题。如果你之前装不上的话，让 Claude 或 CodeX 卸载你的 Skills，重新安装就可以。

歸藏(guizang.ai)

51,785 次观看 • 6 个月前

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

Codex 自己配音更离谱的是，用的还是我自己的声音。一个 41K Star 的开源项目：Voicebox。它可以几秒钟克隆你的嗓音，打一行字，就能直接用你的声音念出来。重点是： • 本地运行，声音数据不出电脑 • 支持 7 大 TTS 引擎 • 支持 23 种语言 • 可以调语速、情绪和声音风格 • 接入 MCP 后，Codex / Cline / Claude Code 这类 AI Agent 能直接开口汇报 • 完全开源免费以前做配音，要么买付费软件，要么用云端 TTS。现在 Voicebox 直接把声音克隆、语音生成、Agent 语音输出放到本地跑。一句话：它像是开源版 ElevenLabs + AI Agent 语音中枢。如果你想让 Codex 写完代码后，直接用你的声音汇报结果，这个项目值得收藏。 GitHub：

撸毛吃猪脚饭| 美股合约首选Gate

51,723 次观看 • 1 个月前

给大家推荐一下，Cindy 里面我做的语音输入的功能。在输入完成以后，她可以接入大模型进行润色。对于经常输错的部分，能够自动加入词典，并且词典可以在多设备间端到端地同步。语音输入还可以绑定键盘快捷键，在其他的 App 里面使用快捷键也可以调用 Cindy 的语音输入，相当于是一个方便的语音输入法。欢迎大家来体验。

给大家推荐一下，Cindy 里面我做的语音输入的功能。在输入完成以后，她可以接入大模型进行润色。对于经常输错的部分，能够自动加入词典，并且词典可以在多设备间端到端地同步。语音输入还可以绑定键盘快捷键，在其他的 App 里面使用快捷键也可以调用 Cindy 的语音输入，相当于是一个方便的语音输入法。欢迎大家来体验。

Dash

34,267 次观看 • 1 个月前

AI亿万富翁CEO表示，在脑机接口准备就绪之前，他不想生孩子。他说：“我想等到我们弄清楚 Neuralink 或其他——它被称为脑机接口。所以大脑与其他方式与计算机互联，直到它们开始工作。 “因为有几个原因。首先，在你生命的前七年左右，你的大脑比任何其他时期都更具神经可塑性。所以如果你要获得这些其他技术，那些出生时就带有它们的孩子将以疯狂、疯狂的方式学习如何使用它们。就像它实际上会成为他们大脑的一部分，这种方式对一个成年人在大脑中植入 Neuralink 或其他东西来说永远不会是真的。人类只以一定的速度进化。人类会随着时间变得更聪明。只是这是在数百万年的时间尺度上，因为自然选择和进化真的很慢。所以如果你把这个向前推演，你必须有 AI 继续变得更聪明，继续改进——就像它们会真的很快继续改进。而且你知道，生物学只会以那么快的速度改进。我们在某个点上需要的是最终自己接入 AI 的能力。我认为我们将需要一些互联或连接，让我们的大脑直接连接到 AI、在互联网中，所有这些东西。” “而且它——它可能很危险，而且可能，你知道，正如你所说，可怕和吓人。但我们只是必须去做。就像 AI 将像这样发展，人类将以慢得多的速度改进。我们将需要接入那种能力。”

AI亿万富翁CEO表示，在脑机接口准备就绪之前，他不想生孩子。他说：“我想等到我们弄清楚 Neuralink 或其他——它被称为脑机接口。所以大脑与其他方式与计算机互联，直到它们开始工作。 “因为有几个原因。首先，在你生命的前七年左右，你的大脑比任何其他时期都更具神经可塑性。所以如果你要获得这些其他技术，那些出生时就带有它们的孩子将以疯狂、疯狂的方式学习如何使用它们。就像它实际上会成为他们大脑的一部分，这种方式对一个成年人在大脑中植入 Neuralink 或其他东西来说永远不会是真的。人类只以一定的速度进化。人类会随着时间变得更聪明。只是这是在数百万年的时间尺度上，因为自然选择和进化真的很慢。所以如果你把这个向前推演，你必须有 AI 继续变得更聪明，继续改进——就像它们会真的很快继续改进。而且你知道，生物学只会以那么快的速度改进。我们在某个点上需要的是最终自己接入 AI 的能力。我认为我们将需要一些互联或连接，让我们的大脑直接连接到 AI、在互联网中，所有这些东西。” “而且它——它可能很危险，而且可能，你知道，正如你所说，可怕和吓人。但我们只是必须去做。就像 AI 将像这样发展，人类将以慢得多的速度改进。我们将需要接入那种能力。”

KK.aWSB

47,549 次观看 • 8 个月前

试了一下 OpenAI 新出的 Codex App，有些亮点跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题可以工作，但第一次它选了 PIL 这个方案，比较差。核心问题是什么？它跟你没有交互。我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

试了一下 OpenAI 新出的 Codex App，有些亮点跟 Skills 的适配还是有点问题，模型的主要问题就是慢 OpenAI 给 Pro 和 Plus 用户的 Codex 额度在未来两个月内全部翻倍了 👇看一下详细的能力介绍： Skills 可视化管理有一个专门的 Skills 列表界面，预置了一些官方 skills，也可以扫描你已经安装的 skills。注意这里只能扫描 NPX 安装的，本地创建的（比如在 Claude Code 里创建的）扫不出来。还支持 Skills Creator 创建的 skills，可以直接在 APP 里用它去创建新 skills。 ------ 定时任务功能，这个挺实用的。可以让 AI 定期执行某些任务，比如每周给你一个解决问题的报告，定期去解决某个项目的 PR 问题，或者定期 review 代码。对于需要持续维护的项目来说，这个功能还是挺有价值的。 ------ Codex APP 现在支持计划模式了。因为它跟 Codex CLI 共享后端，所以现在 Codex CLI 也同步支持计划模式了。这意味着 AI 会先规划任务步骤，让你确认后再执行。 ------ 用量显示的样式做得挺好的。进度条、余量、使用情况都很清楚，一眼就能看到你还有多少额度。还有 code review 的快捷方式，可以快速调用你的 skills。MCP 的添加也支持。 ====== 实测：用 video-wrapper skill 跑了一遍我测试主要是让它跑了一个我最近做的 skill，可以一键给视频添加视频包装，比如卡片、花字、人物条、章节标题这些。这个 skill 挺复杂的，所以很适合用来测试。 ------ 第一次运行的问题可以工作，但第一次它选了 PIL 这个方案，比较差。核心问题是什么？它跟你没有交互。我的 skill 里边写清楚了：要先问用户要哪套方案，再给出包装方案让用户确认，用户确认了再开始包装。但在 Codex 这里，明显没有交互。它就直接跑，把所有决定都自己做了，跑完就完了。出错了也不管，直接用降级方案。 ------ 修复后的效果我让它修复以后，它倒是能修复。重新跑了一遍，效果也不错。最终生成的视频包装效果还行： ▸ 左下角有人物卡片 ▸ 有花字 ▸ 有各种卡片和章节标题 ▸ 结论卡片也加上了因为我们用前端代码约束了样式，所以它在样式上不会出什么错误。 ------ 体验总结整个过程很不可控： ▸ 速度很慢 - Codex 本身速度就慢 ▸ 交互明显不够 - 你根本不知道进到哪个阶段了，也不知道它的方案是什么 ▸ 只管执行 - AI 一直在执行，不会停下来问你可能是它不太适应 skills 规范，只是简单做了一下适配，没有 Claude Code 跟 skills 的适配那么好。

歸藏(guizang.ai)

30,595 次观看 • 7 个月前

可以让你的 OpenClaw 在 mac mini m4 上装一下这个，qwen3-tts 本地小模型 Mac 量化版，如果是其他机器，应该也有对应的可以跑。然后，你让它用 Serena 的温柔正常语速讲一段小故事。你就可以得到这个视频里的语音效果。我之前没咋研究过本地语音模型，我感觉挺不错的。

可以让你的 OpenClaw 在 mac mini m4 上装一下这个，qwen3-tts 本地小模型 Mac 量化版，如果是其他机器，应该也有对应的可以跑。然后，你让它用 Serena 的温柔正常语速讲一段小故事。你就可以得到这个视频里的语音效果。我之前没咋研究过本地语音模型，我感觉挺不错的。

马天翼

28,452 次观看 • 7 个月前

今天在推上看到一个小技巧：如果你要为独立开发的产品做产品宣传的 video，但是没有任何视频编辑的经验，可以让 AI 使用 remotion 直接生成一个，Claude Code 或者 Cursor 都可以，remotion 这个项目很有趣，直接使用程序（React）来生成视频，支持多种框架，我之前简单用过，效果挺不错的。你可以让它根据你的 landing page 给你做个片头片尾，然后将你的录屏添加进去，这样就可以使用最低成本制作一个产品宣传的视频了。效果还行，有点像幻灯片，但是聊胜于无啊。

今天在推上看到一个小技巧：如果你要为独立开发的产品做产品宣传的 video，但是没有任何视频编辑的经验，可以让 AI 使用 remotion 直接生成一个，Claude Code 或者 Cursor 都可以，remotion 这个项目很有趣，直接使用程序（React）来生成视频，支持多种框架，我之前简单用过，效果挺不错的。你可以让它根据你的 landing page 给你做个片头片尾，然后将你的录屏添加进去，这样就可以使用最低成本制作一个产品宣传的视频了。效果还行，有点像幻灯片，但是聊胜于无啊。

Viking

36,200 次观看 • 1 年前

阿里巴巴发布全新开源语音交互大模型：Fun-Audio-Chat 超低延迟富有同理心、能理解语调和情感你可以通过语音与它说话，它能实时理解、思考、回答你，并用自然流畅的语音回复。在多个基准测试中处于领先地位，性能与 GPT-Audio、Gemini-2.5-Pro 相当。它可以：回答语音问题（比如“帮我总结这段语音”）理解语音内容（比如识别情绪、音色、命令）按语音执行任务（比如“帮我打开音乐”、“拨打电话”）语音生成语音（你说话它直接“开口”回应）模拟语音情感（比如开心、温柔、严肃）

阿里巴巴发布全新开源语音交互大模型：Fun-Audio-Chat 超低延迟富有同理心、能理解语调和情感你可以通过语音与它说话，它能实时理解、思考、回答你，并用自然流畅的语音回复。在多个基准测试中处于领先地位，性能与 GPT-Audio、Gemini-2.5-Pro 相当。它可以：回答语音问题（比如“帮我总结这段语音”）理解语音内容（比如识别情绪、音色、命令）按语音执行任务（比如“帮我打开音乐”、“拨打电话”）语音生成语音（你说话它直接“开口”回应）模拟语音情感（比如开心、温柔、严肃）

小互

18,873 次观看 • 8 个月前

3r k12自助开通，可用自己的账号，接码即可用codex 很多用户在QQ咨询这个到底怎么用，所以出了一期教程由于官方的限制，我们的成品号目前没有接码无法直接使用codex，只能用于反代。而需要codex的用户请看这个教学视频，会一步一步教你如何低成本蹬codex #gpt #gptplus #codex #chatgpt #claude

3r k12自助开通，可用自己的账号，接码即可用codex 很多用户在QQ咨询这个到底怎么用，所以出了一期教程由于官方的限制，我们的成品号目前没有接码无法直接使用codex，只能用于反代。而需要codex的用户请看这个教学视频，会一步一步教你如何低成本蹬codex #gpt #gptplus #codex #chatgpt #claude

18168

47,005 次观看 • 2 个月前

豆包实时语音模型3.0 API 上线看演示还是很牛P的，能干不少事情了全双工：能同时听和说，像真人聊天那样可以随时插话端到端：语音进、语音出，不进行转录，更快、更自然。精准遵循 + 适时参与：你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」，它就安静待命，等话题真到了再主动接话最关键的一步升级：它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。这等于从「语音助手」往「语音 Agent」迈了一步

豆包实时语音模型3.0 API 上线看演示还是很牛P的，能干不少事情了全双工：能同时听和说，像真人聊天那样可以随时插话端到端：语音进、语音出，不进行转录，更快、更自然。精准遵循 + 适时参与：你可以一句话给它定规矩，比如多人聊天时说「现在先别出声，聊到世界杯时再加入」，它就安静待命，等话题真到了再主动接话最关键的一步升级：它支持自定义工具，能在实时对话里直接调用工具完成任务，预定日历、发邮件、总结文档、发起查询，一句话语音就在对话流里办完。这等于从「语音助手」往「语音 Agent」迈了一步

小互

27,139 次观看 • 2 个月前

我认为 Grok 的能力真的被很多人低估了！首先我认为它完全全能！Claude 没有多模态，codex 能生图但是不能生视频，而我们的 Grok，他都可以！（虽然生图很 abc ，但是或许你可以 codex 生图 grok 生视频？它很牛的一个点就是你根本不需要复杂的提示词，甚至不用说的多清楚他会揣摩！你需要的东西和内容！！这点无论是 codex 还是 Claude 都绝对比不上！如果我需要 codex 生成出比较规范或者具有更多信息的内容需要我告诉他这么多而 Grok 真的是几乎他自己揣摩出来的我把我跟他说了哪三句话放在第二个视频了

我认为 Grok 的能力真的被很多人低估了！首先我认为它完全全能！Claude 没有多模态，codex 能生图但是不能生视频，而我们的 Grok，他都可以！（虽然生图很 abc ，但是或许你可以 codex 生图 grok 生视频？它很牛的一个点就是你根本不需要复杂的提示词，甚至不用说的多清楚他会揣摩！你需要的东西和内容！！这点无论是 codex 还是 Claude 都绝对比不上！如果我需要 codex 生成出比较规范或者具有更多信息的内容需要我告诉他这么多而 Grok 真的是几乎他自己揣摩出来的我把我跟他说了哪三句话放在第二个视频了

Su

13,130 次观看 • 2 个月前