最近更新
Realtime TTS-2：Inworld AI 实时语音合成模型革新，多轮感知与跨语言控制引领下一代对话AI
💡 站外导读：在AI驱动的交互体验中，传统语音合成常因缺乏上下文感知、情绪单一和跨语言音色不一致而显得机械，难以满足游戏…
GPT-Realtime-Translate：OpenAI 实时语音翻译模型，70+语言端到端直译，成本仅为人类同传万分之一
💡 站外导读：传统机器翻译的痛点在于延迟高、生硬且成本昂贵。在全球化加速的背景下，实时、自然的跨语言沟通成为刚需。Ope…
OpenAI GPT-Realtime-Whisper 实时语音转文字模型发布：低至每分钟0.017美元，实现边说边出字的超低延迟转录
💡 站外导读：随着实时交互需求爆发，传统“录音-上传-识别”流程已无法满足会议记录、直播字幕、客服质检等场景对即时性的要…
GPT-Realtime-2：OpenAI 第二代实时语音模型发布，GPT-5级推理能力定义AI语音Agent新高度
💡 站外导读：随着AI应用从文本交互全面转向多模态，实时语音交互成为下一个关键战场。企业与开发者普遍面临现有语音助手“听…
腾讯联合中科院、故宫博物院推出 Chronicles-OCR：首个覆盖汉字’七体之变’的视觉大模型跨时间评测基准
💡 站外导读：随着AI大模型深入应用，一个关键瓶颈浮现：当前的视觉大语言模型在面对跨越三千年的中国汉字形态剧变时，感知能…
CloudDM：一站式开源数据库管控平台，30种数据源、54条SQL审核规则，企业级权限与脱敏能力全免费
💡 站外导读：在数字化转型浪潮下，企业数据库架构日趋复杂，多数据源并存成为常态。DBA、开发与运维团队面临数据查询分散、…
大语言模型的“破解”研究：仅需二十次尝试 [译]
随着人们越来越关注如何让大语言模型（LLMs）与人类的价值观保持一致，人们发现这些模型很容易受到“破解”攻击的威胁，这种…
OpenAI 联合创始人 Andrej Karpathy 在 2024 年加州大学伯克利分校人工智能黑客马拉松颁奖典礼上的主题演讲 [译]
OpenAI 联合创始人 Andrej Karpathy 解释了新的计算范式：“我们正在进入一个新的计算范式，大语言模型…
HeyGen CEO 徐卓（Joshua Xu）访谈 [译]
AI 视频生成模型在制作引人入胜和复杂视频方面还有很长的路要走，但 HeyGen 团队正在通过使用语言、视频和语音模型来…
马克·扎克伯格前几天接受了 Robin Kallaway 的采访，讨论了未来的技术发展，尤其是智能眼镜、神经腕带和 AI 技术在创作者和小企业中的应用 [译]
马克·扎克伯格前几天接受了 Robin Kallaway 的采访，讨论了未来的技术发展，尤其是智能眼镜、神经腕带和 AI…
