Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

ElevenLabs 发布其对话语音助手： Conversational AI 2.0 相较于上一代有了巨大飞跃亮点功能：说话不尴尬了：它能听懂你什么时候停顿、什么时候在思考，不会中途打断你说话。多语言切换很顺滑：你说中文，它说中文；你说西班牙语，它也能自动切换。回答更“懂行”：它可以从你公司的知识库里直接找资料来回答你，不胡说。批量打电话不求人：几百几千个客户，系统可以一次性给他们打电话发通知。一个模型管两种互动方式：不用分开发文字和语音版本，省人力。

小互

113,130 subscribers

31,674 просмотров • 1 год назад •via X (Twitter)

Новости и политика Наука и технологии

Anya Rossi• Live Now

Private livecam show

Комментарии: 4

Фото профиля 小互

小互1 год назад

借助实时分析语音节奏与停顿信号（如“um”“ah”），AI 可判断何时等待、何时回应，避免打断用户或不自然的等待，使对话更像真实人类交流。几乎没有延迟... 详细介绍：

Фото профиля Soccer Bot™

Soccer Bot™2 лет назад

Experience the bot completely reimagined. 🌟 A completely new design, reminders for match prediction, notifications when games are interrupted, continued or postponed. New commands like /features and /standings and new languages and much more.

Фото профиля ken lu

ken lu1 год назад

@readwise save

Фото профиля AIFUNS（海外账号，Claude镜像，ChatGPT充值）

AIFUNS（海外账号，Claude镜像，ChatGPT充值）1 год назад

很厉害

Похожие видео

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

89,993 просмотров • 2 месяцев назад

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

77,313 просмотров • 6 месяцев назад

阿里的这个项目牛P啊 OmniTalker：只用一段“参考视频”就能学会视频里人物说话并保持唇形同步和表情也就是你给它一段视频它可以同时提取视频中人物的说话风格和面部表情。比如你给它一段罗翔的视频），它就能学会“罗翔是怎么说话、什么表情”，然后你随便给它什么文字，它就用这种风格去说话。不用你训练模型、调参数，也不用配音演员，全自动！

阿里的这个项目牛P啊 OmniTalker：只用一段“参考视频”就能学会视频里人物说话并保持唇形同步和表情也就是你给它一段视频它可以同时提取视频中人物的说话风格和面部表情。比如你给它一段罗翔的视频），它就能学会“罗翔是怎么说话、什么表情”，然后你随便给它什么文字，它就用这种风格去说话。不用你训练模型、调参数，也不用配音演员，全自动！

小互

244,871 просмотров • 1 год назад

赶在春节前端出了今年最后一个大版本。闪电说 V0.6.0 ⚡ 两个更新： ① 新增语音助手：AI 看屏幕帮你回复 ② 语音输入升级：说完 AI 帮你整理先讲第一个 👇 语音助手 = 它看屏幕，帮你想，帮你写视频里用户群在讨论模型选择，语音助手读了聊天上下文，我说"帮我回一下"，它直接生成了一段回复。有用户在问一些版本问题，我说"帮我回一下"，闪电说结合屏幕和知识库也做出了有条理的回复。闪电说从帮你打字变成了你的 AI 嘴替，用你的风格帮你说话。语音输入升级下条接着说 👇

赶在春节前端出了今年最后一个大版本。闪电说 V0.6.0 ⚡ 两个更新： ① 新增语音助手：AI 看屏幕帮你回复 ② 语音输入升级：说完 AI 帮你整理先讲第一个 👇 语音助手 = 它看屏幕，帮你想，帮你写视频里用户群在讨论模型选择，语音助手读了聊天上下文，我说"帮我回一下"，它直接生成了一段回复。有用户在问一些版本问题，我说"帮我回一下"，闪电说结合屏幕和知识库也做出了有条理的回复。闪电说从帮你打字变成了你的 AI 嘴替，用你的风格帮你说话。语音输入升级下条接着说 👇

闪电说

23,180 просмотров • 7 месяцев назад

MiniCPM-o4.5：首个开源全模态、全双工模型全模态：支持视频、音频、图片、文本输入，支持音频、文本输出。能实时生成音频，支持语音克隆，支持生成无限长度音频。全双工：不是一问一答，而是能边听边说。支持打断，不仅你可以打断MiniCPM-o4.5说话，MiniCPM-o4.5也会自主决策打断你说话，像是两个真实的人在沟通。这是首个能打断人类说话的模型，Gemini 3 Flash能实现你打断AI说话，但是AI不能主动打断你说话。完全开源，9B参数，本地即可运行。OpenBMB 模型：

MiniCPM-o4.5：首个开源全模态、全双工模型全模态：支持视频、音频、图片、文本输入，支持音频、文本输出。能实时生成音频，支持语音克隆，支持生成无限长度音频。全双工：不是一问一答，而是能边听边说。支持打断，不仅你可以打断MiniCPM-o4.5说话，MiniCPM-o4.5也会自主决策打断你说话，像是两个真实的人在沟通。这是首个能打断人类说话的模型，Gemini 3 Flash能实现你打断AI说话，但是AI不能主动打断你说话。完全开源，9B参数，本地即可运行。OpenBMB 模型：

Gorden Sun

55,703 просмотров • 8 месяцев назад

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。它更像是让你和 AI 打一通“实时视频电话”：你说话，它看着你听。你打断，它能接住。你表情变了，它也能反应。半秒内接话，几乎没有冷场。真正的重点是：以前虚拟人是拼流水线：语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。一个 Transformer 直接处理实时音视频交互。模型端响应约 0.2 秒，整体延迟约 0.55 秒。这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。

🚨阿里巴巴发布实时视频语音模型：Wan Streamer 这不是普通数字人。它更像是让你和 AI 打一通“实时视频电话”：你说话，它看着你听。你打断，它能接住。你表情变了，它也能反应。半秒内接话，几乎没有冷场。真正的重点是：以前虚拟人是拼流水线：语音识别 → 转文字 → 大模型思考 → 语音合成 → 表情驱动 → 视频生成每一步都要排队，所以延迟高、互动僵硬。 Wan Streamer 直接把听、看、想、说、表情生成，塞进一个端到端大模型里。一个 Transformer 直接处理实时音视频交互。模型端响应约 0.2 秒，整体延迟约 0.55 秒。这意味着 AI 不再只是“回复你”，而是开始像一个能实时交流的视频对象。

Vincent

12,627 просмотров • 3 месяцев назад

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

69,606 просмотров • 2 месяцев назад

《关于接话》你有没有发现—— 有些人一开口，气氛就热了；而有些人，一说话，场子就冷了。问题往往不在“会不会说话”，而在——你会不会“接话”。很多人接不好话，根本原因不是嘴笨，而是太关注自己了。你脑子里想的全是：我该说什么？会不会说错？这样说显得聪明吗？于是，你根本没有在听对方。真正会说话的人，心里装的不是自己，而是对方。当你的注意力，真的放在对方身上—— 你在听他的情绪，你在接他的重点，你在顺着他的节奏。接话，就会变得很自然。社交的本质，从来不是你说了什么，而是—— 你让对方，感受到了什么。

《关于接话》你有没有发现—— 有些人一开口，气氛就热了；而有些人，一说话，场子就冷了。问题往往不在“会不会说话”，而在——你会不会“接话”。很多人接不好话，根本原因不是嘴笨，而是太关注自己了。你脑子里想的全是：我该说什么？会不会说错？这样说显得聪明吗？于是，你根本没有在听对方。真正会说话的人，心里装的不是自己，而是对方。当你的注意力，真的放在对方身上—— 你在听他的情绪，你在接他的重点，你在顺着他的节奏。接话，就会变得很自然。社交的本质，从来不是你说了什么，而是—— 你让对方，感受到了什么。

shun

12,028 просмотров • 6 месяцев назад

中国小伙在瑞士旅游坐火车说普通话，结果同车一个香港移民阴阳怪气地开始嘲讽，意思出门了还要说中文很丢人。小伙直接怒怼：“我说国语怎么了？英文我也会说也听得懂，你们说，为什么在瑞士不能说普通话？”

中国小伙在瑞士旅游坐火车说普通话，结果同车一个香港移民阴阳怪气地开始嘲讽，意思出门了还要说中文很丢人。小伙直接怒怼：“我说国语怎么了？英文我也会说也听得懂，你们说，为什么在瑞士不能说普通话？”

迷人的小红

672,188 просмотров • 1 год назад

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 просмотров • 3 месяцев назад

NVIDIA 发布了类似豆包语音聊天的大模型 NVIDIA 放出了 PersonaPlex-7B-V1, 一个 7B 参数的全双工实时语音对话模型, 你可以理解为开源版的豆包语音聊天! 这玩意儿最牛的地方在于: 真正的全双工, 也就是说它能一边说一边听. 你打断它? 没问题, 它能立刻停下来听你说. 你俩同时说话? 也能处理. 这就是为啥叫 "Full Duplex" (全双工), 跟打电话一样自然. 技术上怎么实现的? 采用双流配置架构, 监听流和说话流同时运行. 模型基于 Moshi 架构魔改, 用 Mimi 编码器把语音压缩成神经编解码器 Token, 然后 7B 的 Transformer 同时预测文本和音频 Token, 最后 Mimi 解码器输出语音. 整个过程是流式的, 延迟极低. 还有个骚操作: 双重提示条件化. 你可以给它一段声音样本当 "声音提示", 它就能模仿那个声音风格说话; 再给个文本提示定义角色人设, 比如 "你是一个耐心的客服", 它就按这个人设来对话. 声音 + 人设, 都能定制. 跑分成绩: 在 FullDuplexBench 基准测试上, 平滑轮换成功率 90.8%, 用户打断处理成功率高达 95%, 响应延迟只有 170ms, 打断延迟 240ms. 官方说在对话动态、延迟、任务一致性上都优于其他开源和商业系统. 限制嘛: 目前只支持英语, 推荐硬件是 A100 80GB 或 H100, 不是一般人能跑得起的. 看了下训练数据用的是 Fisher English 数据集, 不到 1 万小时. 好消息是采用 NVIDIA Open Model License, 商用可用! 模型地址:

NVIDIA 发布了类似豆包语音聊天的大模型 NVIDIA 放出了 PersonaPlex-7B-V1, 一个 7B 参数的全双工实时语音对话模型, 你可以理解为开源版的豆包语音聊天! 这玩意儿最牛的地方在于: 真正的全双工, 也就是说它能一边说一边听. 你打断它? 没问题, 它能立刻停下来听你说. 你俩同时说话? 也能处理. 这就是为啥叫 "Full Duplex" (全双工), 跟打电话一样自然. 技术上怎么实现的? 采用双流配置架构, 监听流和说话流同时运行. 模型基于 Moshi 架构魔改, 用 Mimi 编码器把语音压缩成神经编解码器 Token, 然后 7B 的 Transformer 同时预测文本和音频 Token, 最后 Mimi 解码器输出语音. 整个过程是流式的, 延迟极低. 还有个骚操作: 双重提示条件化. 你可以给它一段声音样本当 "声音提示", 它就能模仿那个声音风格说话; 再给个文本提示定义角色人设, 比如 "你是一个耐心的客服", 它就按这个人设来对话. 声音 + 人设, 都能定制. 跑分成绩: 在 FullDuplexBench 基准测试上, 平滑轮换成功率 90.8%, 用户打断处理成功率高达 95%, 响应延迟只有 170ms, 打断延迟 240ms. 官方说在对话动态、延迟、任务一致性上都优于其他开源和商业系统. 限制嘛: 目前只支持英语, 推荐硬件是 A100 80GB 或 H100, 不是一般人能跑得起的. 看了下训练数据用的是 Fisher English 数据集, 不到 1 万小时. 好消息是采用 NVIDIA Open Model License, 商用可用! 模型地址:

karminski-牙医

25,426 просмотров • 8 месяцев назад

卧槽，我终于解决了英语学习的终极难题，任何基础的同学，按照我这个方法学习之后，百分之百可以告别哑巴英语！方法论我就不展开介绍了，直接看视频，通俗易懂👇 说几点需要注意的事情： 1️⃣ 你肯定会说听不清，这是一种错觉，不存在听不清，你所谓的听不清，只是因为你脑子里在强行想文字，这段声音对应不上哪几个字，所以你才会把这种不适应总结为“听不清”。实际上哪有什么听不清，你只是不熟悉这段语音而已，你就把它当成鸟语，他怎么说你就模仿怎么说，重复几十遍，最后你发出的声音和这段声音一样，你再回头听最初的那句话瞬间就听懂了。难道“酱紫”你也听不清吗？“欧皓辰，我xuan你” 也听不清吗？那么大的声音都近距离进到你耳朵里了，怎么会听不清呢？ 2️⃣ 有点书面英语水平的同学肯定会说：这不就是连读吗？错！这不是连读！如果你把他理解成连读，那就大错特错了！虽然连读的效果是一样的，但是底层思想和我要强调的思想完全不一样。所谓的连读底层思想还是先看字，然后通过文字去串起来模拟语音的效果，从根本上就搞错了。语言本来就是声音，你对这段声音采样，然后模仿这段声音，模仿几十遍和它做到一模一样，就 ok 了，下次再听到这段声音就会秒懂。语言的本质是声音，人类漫长的历史长河中，语言很早就诞生了，而文字的诞生比语言本身晚了很多很多年，不要离开了文字就不能学语言了不理解的同学可以回答一下这个灵魂拷问：文盲为什么会说话？

卧槽，我终于解决了英语学习的终极难题，任何基础的同学，按照我这个方法学习之后，百分之百可以告别哑巴英语！方法论我就不展开介绍了，直接看视频，通俗易懂👇 说几点需要注意的事情： 1️⃣ 你肯定会说听不清，这是一种错觉，不存在听不清，你所谓的听不清，只是因为你脑子里在强行想文字，这段声音对应不上哪几个字，所以你才会把这种不适应总结为“听不清”。实际上哪有什么听不清，你只是不熟悉这段语音而已，你就把它当成鸟语，他怎么说你就模仿怎么说，重复几十遍，最后你发出的声音和这段声音一样，你再回头听最初的那句话瞬间就听懂了。难道“酱紫”你也听不清吗？“欧皓辰，我xuan你” 也听不清吗？那么大的声音都近距离进到你耳朵里了，怎么会听不清呢？ 2️⃣ 有点书面英语水平的同学肯定会说：这不就是连读吗？错！这不是连读！如果你把他理解成连读，那就大错特错了！虽然连读的效果是一样的，但是底层思想和我要强调的思想完全不一样。所谓的连读底层思想还是先看字，然后通过文字去串起来模拟语音的效果，从根本上就搞错了。语言本来就是声音，你对这段声音采样，然后模仿这段声音，模仿几十遍和它做到一模一样，就 ok 了，下次再听到这段声音就会秒懂。语言的本质是声音，人类漫长的历史长河中，语言很早就诞生了，而文字的诞生比语言本身晚了很多很多年，不要离开了文字就不能学语言了不理解的同学可以回答一下这个灵魂拷问：文盲为什么会说话？

米开朗基杨

14,746 просмотров • 1 месяц назад

#川普当年访问北京的时候，你看 #习近平背抄着手，然后这给川普介绍龙的产生。 “我C！” 你这是吧，给川普说的话。我C，这中文那句话，谁都没有发现这个问题。习这个人是骨子里看不起川普，从来不提川普。 #王岐山告诉他们说： “你们那个什么总统什么玩意啊……” 从来不说川普。结果有人问他：“你咋从来不说川普中的名字？” “哎，你说的很对啊，我从来不说那个人名字，他不值得我一提。” 正文：那么更重要的事情，他们知道：哇塞，习这个人是爱听好话的。习这个人是骨子里看不起川普，从来不提川普，绝对看不起他。你看看，就是当年访问北京的时候，你看他背抄着手，然后这给川普介绍啊，龙的产生。我C，你这是吧，给川普说的话。我C，这中文那句话，谁都没有发现这个问题，七哥最早说出来的。而且这是我发给了川普本人，是吧？我说你看他，他不懂是什么意思。人家，我说你问人家什么叫龙的传人，多少历史，是埃及长还是中国长？他说：“我们是中国传人啊，几千年文化。” 呃，这个，这家伙抄着手，我C。你看不起，从来不提川普的。那么这回一听说要搞川普，他很高兴。王岐山就压根不提川普，从来不提川普一句。王岐山跟美国人见面的时候，就穿着那个睡衣。那一次，只有七哥知道吧？这被公、被认可的吧。穿着睡衣，第一不能录音，不能录像，还不对外说。穿着睡衣晃悠出来了啊。中间一看，前面50个小学生拿着本啊，所谓的王岐山的中纪委的学生。说这个啊，捋着胡子，哗哗地讲。然后告诉他们说：“你们那个什么总统什么玩意啊……” 从来不说川普。结果有人问他：“你咋从来不说川普中的名字？” “哎，你说的很对啊，我从来不说那个人名字，他不值得我一提。”

#川普当年访问北京的时候，你看 #习近平背抄着手，然后这给川普介绍龙的产生。 “我C！” 你这是吧，给川普说的话。我C，这中文那句话，谁都没有发现这个问题。习这个人是骨子里看不起川普，从来不提川普。 #王岐山告诉他们说： “你们那个什么总统什么玩意啊……” 从来不说川普。结果有人问他：“你咋从来不说川普中的名字？” “哎，你说的很对啊，我从来不说那个人名字，他不值得我一提。” 正文：那么更重要的事情，他们知道：哇塞，习这个人是爱听好话的。习这个人是骨子里看不起川普，从来不提川普，绝对看不起他。你看看，就是当年访问北京的时候，你看他背抄着手，然后这给川普介绍啊，龙的产生。我C，你这是吧，给川普说的话。我C，这中文那句话，谁都没有发现这个问题，七哥最早说出来的。而且这是我发给了川普本人，是吧？我说你看他，他不懂是什么意思。人家，我说你问人家什么叫龙的传人，多少历史，是埃及长还是中国长？他说：“我们是中国传人啊，几千年文化。” 呃，这个，这家伙抄着手，我C。你看不起，从来不提川普的。那么这回一听说要搞川普，他很高兴。王岐山就压根不提川普，从来不提川普一句。王岐山跟美国人见面的时候，就穿着那个睡衣。那一次，只有七哥知道吧？这被公、被认可的吧。穿着睡衣，第一不能录音，不能录像，还不对外说。穿着睡衣晃悠出来了啊。中间一看，前面50个小学生拿着本啊，所谓的王岐山的中纪委的学生。说这个啊，捋着胡子，哗哗地讲。然后告诉他们说：“你们那个什么总统什么玩意啊……” 从来不说川普。结果有人问他：“你咋从来不说川普中的名字？” “哎，你说的很对啊，我从来不说那个人名字，他不值得我一提。”

喜马拉雅日本勇者村

23,419 просмотров • 4 месяцев назад

还记得第一次用ChatGPT时那种卧槽，这AI居然能这么聊天的震撼吗？一夜之间，世界像被重新打开了。现在，OpenAI又把这种王炸升级到了语音！看看视频，有点大聪明的感觉。不过🗣️ GPT-Live，让AI聊天终于像真人聊天了，感觉以后的防诈系统又得升级了。 7月8日，OpenAI正式推出新一代语音模型GPT-Live。它不再是你一句我一句的对讲机，而是一部真正的电话。核心突破叫做全双工，英文Full-Duplex。以前用语音助手，你等它说完，它等你说完，跟用对讲机似的。GPT-Live可以同时听和说。你能随时打断它，它也能在你思考时安静等着。更绝的是，它会在对话里自然地插入嗯嗯、是啊这种语气词，表示它一直在认真听着。更狠的是，遇到复杂问题，GPT-Live会自动把任务交给背后的GPT-5.5处理。所以它才能一边跟你聊着天，一边把复杂事情办了。 🚀 紧接着，GPT-5.6全家桶也来了 7月9日，GPT-5.6系列全量上线。三个模型：Sol（旗舰）、Terra（均衡）、Luna（轻快）。怎么选？复杂推理用Sol，日常用Terra，高频简单任务交给Luna。付费用户默认是GPT-Live-1，免费用户是GPT-Live-1 mini。打开ChatGPT的语音功能就能体验。来评论区说说，你第一次用新语音的感受？ #GPTLive #OpenAI

还记得第一次用ChatGPT时那种卧槽，这AI居然能这么聊天的震撼吗？一夜之间，世界像被重新打开了。现在，OpenAI又把这种王炸升级到了语音！看看视频，有点大聪明的感觉。不过🗣️ GPT-Live，让AI聊天终于像真人聊天了，感觉以后的防诈系统又得升级了。 7月8日，OpenAI正式推出新一代语音模型GPT-Live。它不再是你一句我一句的对讲机，而是一部真正的电话。核心突破叫做全双工，英文Full-Duplex。以前用语音助手，你等它说完，它等你说完，跟用对讲机似的。GPT-Live可以同时听和说。你能随时打断它，它也能在你思考时安静等着。更绝的是，它会在对话里自然地插入嗯嗯、是啊这种语气词，表示它一直在认真听着。更狠的是，遇到复杂问题，GPT-Live会自动把任务交给背后的GPT-5.5处理。所以它才能一边跟你聊着天，一边把复杂事情办了。 🚀 紧接着，GPT-5.6全家桶也来了 7月9日，GPT-5.6系列全量上线。三个模型：Sol（旗舰）、Terra（均衡）、Luna（轻快）。怎么选？复杂推理用Sol，日常用Terra，高频简单任务交给Luna。付费用户默认是GPT-Live-1，免费用户是GPT-Live-1 mini。打开ChatGPT的语音功能就能体验。来评论区说说，你第一次用新语音的感受？ #GPTLive #OpenAI

Polo贱🕊️| Gate打金狗0Gas费

13,790 просмотров • 2 месяцев назад

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。她可以与你互动，甚至你触摸它，她也会有反应她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。支持语音交互、触控反馈、手势识别、眼神追踪等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

你的全息AI女友 😍 Dipal D1 是一款“会动、会说话、会回应你”的 AI 虚拟角色桌面设备外形是一个有高清曲面屏的小显示器，有点像全息投影，你可以设置和定制各种角色让它显示。她可以与你互动，甚至你触摸它，她也会有反应她拥有长期记忆能力，能记住你和她对话的的一切，并持续进化。支持语音交互、触控反馈、手势识别、眼神追踪等多种输入。 AI 能识别你的情绪、表情和语气，进行自然回应。它不是普通的视频播放设备，而是“能互动”的： 👁️ 眼动识别：它能“看”你在看哪里 🎤 声音感应：能听你说话并回应 ✋ 触摸互动：你可以通过触碰与它互动 ✋🏻 手势识别：通过手势进行指令输入或互动反应

小互

29,864 просмотров • 1 год назад

这个免费配音产品，真好玩啊，VoxCPM2。以前做 AI 配音，要么按月给平台交钱，要么自己折腾一堆模型。现在 OpenBMB 把这套东西直接开源了。你丢一段文字进去，它就能生成一段接近真人说话的音频。更骚的是，不给参考声音也行。直接告诉它，年轻一点，声音温柔一点，语速稍微快点，它会自己设计一个声音。有参考音频，玩法就更多了。给它一小段录音，VoxCPM2 能照着克隆音色。生成新内容时，还能单独控制语速、情绪和说话方式。中文、英语、日语等 30 种语言都支持，四川话、粤语、东北话、闽南话也能做。输出是 48kHz，已经奔着正经内容生产去了。老王用自己的声音试了东北话，粤语，普通话，都非常像的。关键免费啊！代码和模型全部开放，Apache 2.0 许可，可以商用。GitHub 已经超过 3.3 万 Stars。我已经部署本地了，后面自己的coding 的产品就用这个模型，对配置要求低的。你也拿一段课程文案试试，重点听三个东西，中文像不像真人，长文会不会越念越怪，克隆出来的声音到底像不像。跑完再回来交作业。

这个免费配音产品，真好玩啊，VoxCPM2。以前做 AI 配音，要么按月给平台交钱，要么自己折腾一堆模型。现在 OpenBMB 把这套东西直接开源了。你丢一段文字进去，它就能生成一段接近真人说话的音频。更骚的是，不给参考声音也行。直接告诉它，年轻一点，声音温柔一点，语速稍微快点，它会自己设计一个声音。有参考音频，玩法就更多了。给它一小段录音，VoxCPM2 能照着克隆音色。生成新内容时，还能单独控制语速、情绪和说话方式。中文、英语、日语等 30 种语言都支持，四川话、粤语、东北话、闽南话也能做。输出是 48kHz，已经奔着正经内容生产去了。老王用自己的声音试了东北话，粤语，普通话，都非常像的。关键免费啊！代码和模型全部开放，Apache 2.0 许可，可以商用。GitHub 已经超过 3.3 万 Stars。我已经部署本地了，后面自己的coding 的产品就用这个模型，对配置要求低的。你也拿一段课程文案试试，重点听三个东西，中文像不像真人，长文会不会越念越怪，克隆出来的声音到底像不像。跑完再回来交作业。

产品经理老王霸

21,719 просмотров • 2 месяцев назад

女朋友一生气就切方言，男朋友一句都没听懂，字幕全听懂了。四川话、粤语、英语、法语，11 句台词，AI 字幕一个字没改，11 句全对。短片是我做的，字幕交给一个开源语音模型，它输出什么我就往视频里贴什么。右上角挂着"未人工修改"，连男生结巴的那句"你你说啥"都原样留着。同一段音频我喂给了 Whisper large-v3 做对照，差距比我预想的大：粤语那句"你话过请我食饭㗎，唔好赖账"，Whisper 写成"你曾說過請我吃飯的,不要賴帳"，翻成书面中文了，粤语原文一个字不剩；这个模型写的是"你话过请我食饭噶唔好赖帐"，唔、噶、话过全在，广东人一看就是原话。四川话的"莫"和"要得"，Whisper 写成"别"和"要的"；它原样保留。英语那句 "Seriously? You forgot again?"，Whisper 整句漏掉，它一字不差。这个模型叫 Hojo-ASR-Multi-V1。它改掉的规则只有一条：不翻译你说的话，你说什么字，它就写什么字。视频之外我还单独跑了两轮数据。上一期 90 条欧洲五语种真人音频，干净音频它比 Whisper 略输一点，加噪和 1.4 倍速后反超，90 条里零语言误判、零幻觉，Whisper 则把一句意大利语认成了瑞典语。这期 30 条中文系加英语：普通话、英语双方全对；粤语按字算，它错 7%，Whisper 错 50%，错的全是"翻译"造成的；四川话它错 3%，Whisper 错 11%。更有意思的是，模型页面到今天还写着"中文、英文待支持"。Credits 里鸣谢了 WenetSpeech-Chuan 和 WenetSpeech-Yue 两个川渝、粤语数据集，能力其实早就训进去了，只是文档没跟上。想自己上手：pip install hojo-asr，权重 12GB 从 Hugging Face 拉，Mac 上 CPU 跑 float32 就行，峰值内存 20GB。前面接一个 VAD 按停顿切句再送进去，这是这类大模型底座语音模型的标准用法，逐句识别时语言切换更稳。输出是全小写无标点，做字幕直接用，要标点的场景自己补一步。不适合谁：16GB 内存的机器别试；中文长音频我还没测过，这次只测了短句和这条短片。 Apache 2.0，商用也行。他们的官方账号是 HojoAI，roadmap 上写着推理引擎和小型化，什么时候能塞进耳机我会一直盯着，想跟进的可以关注一下。

女朋友一生气就切方言，男朋友一句都没听懂，字幕全听懂了。四川话、粤语、英语、法语，11 句台词，AI 字幕一个字没改，11 句全对。短片是我做的，字幕交给一个开源语音模型，它输出什么我就往视频里贴什么。右上角挂着"未人工修改"，连男生结巴的那句"你你说啥"都原样留着。同一段音频我喂给了 Whisper large-v3 做对照，差距比我预想的大：粤语那句"你话过请我食饭㗎，唔好赖账"，Whisper 写成"你曾說過請我吃飯的,不要賴帳"，翻成书面中文了，粤语原文一个字不剩；这个模型写的是"你话过请我食饭噶唔好赖帐"，唔、噶、话过全在，广东人一看就是原话。四川话的"莫"和"要得"，Whisper 写成"别"和"要的"；它原样保留。英语那句 "Seriously? You forgot again?"，Whisper 整句漏掉，它一字不差。这个模型叫 Hojo-ASR-Multi-V1。它改掉的规则只有一条：不翻译你说的话，你说什么字，它就写什么字。视频之外我还单独跑了两轮数据。上一期 90 条欧洲五语种真人音频，干净音频它比 Whisper 略输一点，加噪和 1.4 倍速后反超，90 条里零语言误判、零幻觉，Whisper 则把一句意大利语认成了瑞典语。这期 30 条中文系加英语：普通话、英语双方全对；粤语按字算，它错 7%，Whisper 错 50%，错的全是"翻译"造成的；四川话它错 3%，Whisper 错 11%。更有意思的是，模型页面到今天还写着"中文、英文待支持"。Credits 里鸣谢了 WenetSpeech-Chuan 和 WenetSpeech-Yue 两个川渝、粤语数据集，能力其实早就训进去了，只是文档没跟上。想自己上手：pip install hojo-asr，权重 12GB 从 Hugging Face 拉，Mac 上 CPU 跑 float32 就行，峰值内存 20GB。前面接一个 VAD 按停顿切句再送进去，这是这类大模型底座语音模型的标准用法，逐句识别时语言切换更稳。输出是全小写无标点，做字幕直接用，要标点的场景自己补一步。不适合谁：16GB 内存的机器别试；中文长音频我还没测过，这次只测了短句和这条短片。 Apache 2.0，商用也行。他们的官方账号是 HojoAI，roadmap 上写着推理引擎和小型化，什么时候能塞进耳机我会一直盯着，想跟进的可以关注一下。

雨哥向前冲

529,723 просмотров • 16 дней назад

语音输入法升级 HeyClicky：一个能 “屏幕感知语音输入”工具它不仅能将语音内容转文字，还能看到你屏幕的内容，能理解你屏幕上正在看的内容，再根据上下文帮你写。在 Gmail 中，可以看到邮件内容后自动生成合适的回复在 Claude 终端里，可以根据当前技术信息替小白补充追问在演示文稿中，可以调用 YC Skill，帮助修改融资材料和开场文案可以在各种应用里看到你的内容进行智能回复它还会记住你的表达习惯，让生成内容更像本人一句话概括：它把传统语音输入升级成了“能看懂屏幕、理解上下文、直接替你完成表达”的 AI 写作助手。

语音输入法升级 HeyClicky：一个能 “屏幕感知语音输入”工具它不仅能将语音内容转文字，还能看到你屏幕的内容，能理解你屏幕上正在看的内容，再根据上下文帮你写。在 Gmail 中，可以看到邮件内容后自动生成合适的回复在 Claude 终端里，可以根据当前技术信息替小白补充追问在演示文稿中，可以调用 YC Skill，帮助修改融资材料和开场文案可以在各种应用里看到你的内容进行智能回复它还会记住你的表达习惯，让生成内容更像本人一句话概括：它把传统语音输入升级成了“能看懂屏幕、理解上下文、直接替你完成表达”的 AI 写作助手。

小互

22,789 просмотров • 2 месяцев назад

这个日常会话本来就是N3水平，你让我一天到晚都用N1的语法和词汇说话是很费劲的。这样吧！你或者你的那位日语高手朋友能不能过来教教我怎么才能日常会话都用N1的语法和词汇，完美避开N3。开个空间过来讲讲课是最好，开不了空间发点语音视频也可以。至于我模仿关西腔这件事，我觉得没啥丢人的。我们这种25、6岁才开始第一次接触日语的人，不管是用什么腔调，都是拙略的模仿。99%的母语不是日语的人在日语是母语的人看来说话都是多少有点奇怪的。

这个日常会话本来就是N3水平，你让我一天到晚都用N1的语法和词汇说话是很费劲的。这样吧！你或者你的那位日语高手朋友能不能过来教教我怎么才能日常会话都用N1的语法和词汇，完美避开N3。开个空间过来讲讲课是最好，开不了空间发点语音视频也可以。至于我模仿关西腔这件事，我觉得没啥丢人的。我们这种25、6岁才开始第一次接触日语的人，不管是用什么腔调，都是拙略的模仿。99%的母语不是日语的人在日语是母语的人看来说话都是多少有点奇怪的。

三角山猛男（SANKAKUYAMA TAKEO)

76,643 просмотров • 2 лет назад