搜索“语音”

采购在补眼前的缺口，另一部分是在为后面的实验备货。 一位研究员告诉我们，遇到热门数据，大厂例如字节还愿意支付数倍价格，换取半年到一年的独家使用安排，避免数据流入市场。还有公开报道称，字节有时还会阶段性“买断”供应商的核心人员。 在这些数据公司与模型厂商的合作里，还有很强的关系因素，下一批数据需要什么，消息会先在采购和供应商的小圈子里流动，医疗、3D、实时交互语音，哪一类需求开始出现，先听到的人便先去找专家。方向有时一个月就变一轮，供应商还要不断送样碰客户的标准。 所以，供应商们也在拼命扩产，一家最近被投资人追着跑的“数据新贵”也设计了新的方式，给员工开低底薪、高提成，每生产一条数据，就多拿一份钱。 “不知道。”一家数据公司的负责人被问到交付的数据怎么证明有效时这样回答。 再问模型厂怎么判断，他说“也不知道”。另一家公司收到过相反的反馈，同一批数据，一个模型厂说好，另一个说不行。 事实上，连层层审核过的公开数据也会出错。SWE-bench Verified 曾是各家发布模型时最常引用的编程测试之一，题目经专业工程师逐题筛选，每道都有三人独立审核。今年2月，OpenAI 宣布不再用它报告成

匹配字段正文

MIC。当它们遇到边缘情况时，我们在模型专家的帮助下修复配方本身，而不是修复单个 fixture。已发布的模型和剩余缺口在覆盖空间中。 随机权重与过拟合 使用随机权重时，我们的 Whisper fixture 对音频变化几乎没有响应。它能运行，但这使它成为音频路径的糟糕测试。 因此，我们用几个音调与“red”和“green”等词配对来训练它。我们并不是在教它语音识别，只是让音频变化在其输出中可见。在我们的权重初始化研究中，随机 Whisper fixture 捕获了 24 个注入故障中的 18 个。过拟合 fixture 捕获了全部 24 个。 这给了我们两种构建权重的方法： 从随机权重和固定种子开始。 在几个示例上过拟合，比如“The capital of France is” = “Paris”。 Whisper 的结果并不能决定哪种更好。那些是合成故障，我们还没有发现只有过拟合版本才能捕获的真实回归。两个版本都漏掉了真实 Whisper 检查点暴露的一个辅助解码 bug。 因此，当随机权重通过检查时，我们保留它们；当我们需要更好的灵敏度或可读答案时，我们使用过拟合。训练只需几秒钟

匹配字段正文

哥丹吉尔地中海港， Cires Technologies正在扩展一个主权AI工厂，用于工人安全、拥堵分析、货物路由和港口运营等计划应用。Cires Technologies还在构建应用提供商生态系统，为港口和城市开发本地模型和应用。 除城市服务外，巴塞罗那超级计算中心的 AI工厂加速器计划 为初创企业提供主权计算、技术支持和培训。BSC AI工厂还支持初创企业的研究与创新——涵盖农业、医学影像、知识获取和语音服务。 了解NVIDIA及其生态系统如何将物理AI、智能体AI和本地AI工厂带到世界各地的城市，请参加11月3日至5日在巴塞罗那举行的Smart City Expo World Congress，NVIDIA EMEA副总裁Paolo Guglielmini将发表 主题演讲 ，随后是由NVIDIA EMEA智慧城市与空间总监Charbel Aoun主持的 专题讨论 。 类别： AI 标签： 智能体AI AI工厂 人工智能 Cosmos 客户案例 数字孪生 活动 Metropolis Nemotron NVIDIA蓝图 Omniverse 开源 物理AI 公共部门 智能空间 主权AI

匹配字段正文

生成。生成式 AI 仍处于实验阶段。 使用 EmbeddingGemma 2 构建隐私优先的多模态搜索这款全新的开放嵌入模型基于 Gemma 4 架构打造，拥有 7.4 亿参数，它超越了文本，可直接在日常设备上将代码、图像、视频和音频映射到单一统一空间。其模块化设计将本地向量存储最多削减至原来的六分之一，让开发者能够轻松构建私密、离线的应用，这些应用可以从语音备忘录中找到特定的视频片段，或用文本查询搜索数小时的音频。 阅读从我们的 Project Suncatcher 卫星传回的第一条 AI 回复。在 将 TPU 发射到近地轨道我们的首颗 Project Suncatcher 原型卫星传回了有史以来第一条由数据中心级 Google TPU 在太空中生成的 AI 回复：一首由 Gemma 4 在轨创作的俳句。这一里程碑证实了我们的硬件经受住了发射考验，并能够在轨道上运行 AI 工作负载。我们的团队将继续测试这些芯片如何应对辐射和极端温度，同时利用太空中丰富的太阳能，作为迈向可扩展轨道 AI 基础设施的长期登月计划的一部分。 了解我们的最新研究如何加速科学发现在我们一年一度的 Resea

匹配字段正文

在为您转接我们的技术支持团队。他们会了解您登录问题的详细信息，因此您无需重复说明。” 接收方听到：“Jordan Lee 正在线上。身份已核实。其账号在三次密码重置失败后被锁定，他们需要今天恢复访问权限。” 在 ElevenAgents 中，第一条消息对应 client message，第二条对应 agent message，这两项将在下一节中介绍。 AI 语音代理如何路由和转接通话 AI 语音代理 通过在其触发的工具来转接通话，触发条件是满足某个既定条件，例如来电者要求转接人工。在 ElevenAgents 中， transfer to number 系统工具 会将实时电话通话转交给外部电话号码或 SIP URI。 该工具支持三种转接类型，每种类型对暖转接的支持程度不同： 会议转接：默认类型。代理拨打目的地号码，将参与者加入会议，然后退出，只留下来电者和人工坐席。在 原生 Twilio 集成上，它会向人工坐席播报暖转接消息。 盲转接：通话直接转至目的地，不发送暖转接消息。它会保留原始来电显示，并且需要使用通过原生 Twilio 集成导入的号码。 SIP REFER 转接：通话使用 S

匹配字段正文

AI现状 AI现状 2026：我与Matt Turck的对话 关于2027年的AGI、科学超级智能、世界模型，以及让AI投入实际工作。Air Street Press与Nathan Benaich，2026年10月30日文章语音版0:00-5:44 如今AI市场变化如此之快，以至于了解一家公司及其产品有何特别之处都等不得。对于我最近考虑的一个机会，我的智能体和LATO设计了一项研究，然后完全自动化了专家招募、AI语音访谈和转录分析。运用我的评估方法（也就是品味），系统识别出了缺口，并为下一轮访谈更新了问题。两天内，我们在美国、印度和欧洲收集了12次访谈、共计14小时的交谈时间。我没有和任何人交谈，全是LATO的语音智能体完成的。 我在MAD Podcast上与Matt Turck的最新对话中分享了这个例子。连续第三年，我们在纽约演播室坐下来讨论《State of AI Report 2026》，从AI构建AI到世界模型、网络安全，以及我对2027年实现AGI的预测。 AGI与科学超级智能 AGI 2027：我的预测基于我所看到的快速进展——AI在我从事的知识工作中提供帮助，即投资、AI

匹配字段正文

及技术分部，业务遍布全球，为Amazon、AT&T、LG、三星、Sony、美的、海尔、海信、涂鸦等众多行业领导者提供核心技术支持。作为Wi-Fi MCU技术的领航者，博通集成构建了从极致功耗到顶格性能的全系列Wi-Fi连接矩阵，在纯连接MCU领域实现全标准、全场景的深度覆盖与技术领跑；同时以实时“感知—计算—动作”架构，打造了集高集成度与高能效比于一体的AI语音及视觉MCU平台，形成从无线连接到端侧智能的完整技术能力。 技术能力的持续领先，离不开高强度的研发投入。博通集成研发人员占比超过八成，持续夯实自主创新根基。公司已获上海市高新技术企业、上海市“专精特新”中小企业、上海市市级企业技术中心等资质，并荣获上海市科技进步二等奖、上海市浦东新区科技进步奖二等奖、中国半导体产业和技术奖、“中国芯”优秀技术成果转化项目奖、中国IC设计公司成就奖、十大大中华IC设计公司品牌、十大最具发展潜力中国IC设计公司、制造业单项冠军产品等多项荣誉，技术实力与产业贡献获得广泛认可。 此次，博通集成凭借高性能边缘AI芯片BK7259竞逐“IC风云榜”年度人工智能市场突破奖，并成为候选企业。该奖项旨在表彰202

匹配字段正文

的人群中，56% 的人表示，他们曾向聊天机器人倾诉过一些从未告诉过密友、父母、同事、医生或治疗师的事情。 在 Character.AI 上尤其如此，这是一个聊天机器人服务，用户可以在其中聊天，并与可定制的角色形成“关系”，包括他们自己创建并与社区分享的角色。在 Character.AI 上，一些用户会谈论自杀和自残的念头，并交出心理健康披露、年龄、私人聊天和语音通话、深层的恐惧以及关系困扰等私密细节。 Character.AI 一直只是娱乐消遣，直到本月早些时候，该公司申请破产，并启动了法院监督下的资产出售。 没有人知道最终谁会接手这家公司，也不知道其数百万账户持有人的数据会有多少被一并出售。 该公司出售的最有价值的资产可能是其 LLM，而该模型在很大程度上是由用户在构建角色和与角色互动的过程中训练出来的。 美国司法部下属的美国受托人办公室希望法官任命一名消费者隐私监察员，就用户隐私问题向法院提供建议。法官可以限制公司“记录”（包括用户数据）的出售。 但大多数人没有理解的一点是：《破产法》没有专门针对已训练模型的规定。LLM 及其训练数据的法律地位尚未在法律上确定。这意味着，用户输入

匹配字段正文

化的争议（归属观点）： AA v5 惩罚：一位评论者认为，中国和二线实验室在狭窄代理指标上爬山，因此当 AA v5 提高难度时它们下滑得更厉害（@teortaxesTex）。 Kimi K3 分析：一项 90 项基准分析发现，Kimi K3 在 89 项基准中的 62 项上输给 GPT-5.6 Sol，中位差距为 14%（@stalkermustang）。 语音模型： Phonic-1：以 87.1 在 AA 的语音到语音指数上首次亮相即排名第 1，并在 Tau Voice 上得分 79.9%。其成本为每分钟 0.07 美元（AA），Phonic 完成了 2,750 万美元 A 轮融资（@moinnadeem）。 Fish Audio Drama 3：在两个 TTS 竞技场上均位列开放权重模型第 1，并在发音稳健性上以 94.6% 总体排名第 1。其成本为每 100 万字符 15 美元（AA）。 视频与 OCR： Pika H3 Flex：Pika 的首个开放权重模型，是对 MiniMax H3 的后训练，6 步生成（@HuggingApps）。它以 1293 Elo 在 Design

匹配字段正文

为 AI 产品的基本要求。“要求所有语言获得完全平等的待遇或许不现实，但长期存在的巨大差距仍需合理解释，并制定改进计划。我希望所有主要 AI 实验室都能公布各语言的评估结果，说明使用不同语言完成相同难度的任务分别需要花多少钱，并承诺改善支持最薄弱的语言，取得可以量化的进展。” IT之家从报道中获悉，改善这一问题的办法之一，是提高底层数据的质量。 孟买 AI 语音基础设施初创企业 Navana.ai 联合创始人兼 CEO 拉乌尔 · 纳纳瓦蒂认为：“开放数据项目在这方面很重要。比如我们与印度科学学院合作、由盖茨基金会资助的 RESPIN 项目，就收集了 38 种方言母语使用者提供的文本和朗读录音。” 不过，人工智能语言公平研究联盟发现，决定 Token 消耗量的并不只有一种语言的使用人数，采用什么文字同样重要。 例如，阿斯图里亚斯语的使用者不多，在 Common Crawl 数据集中也没有收录，但拉丁字母为其带来了优势。意大利语等同属罗曼语族的语言在数据中有所覆盖，也让阿斯图里亚斯语受益。 Maya Research CEO 迪曼特 · 雷迪指出，现有许多分词器仍然主要针对英语等数据资源

匹配字段正文

三年过去，Claude的使用门槛越来越高，国内用户的应对办法也越来越多。 这场围绕Claude封号的猫鼠游戏，显然还远远没有结束。 02 说起Claude为什么一直不向中国大陆开放，就不得不提Anthropic的CEO阿莫迪。 有意思的是，他十多年前在百度打过工。 2014年，阿莫迪加入百度硅谷人工智能实验室，跟着吴恩达（Andrew Ng）研究深度学习和语音识别。 当时他还参与研发了百度的Deep Speech 2语音识别系统，并成为相关论文的第一作者。这套系统能够识别英语和普通话，是当时颇有代表性的端到端深度学习语音识别成果。 十多年前，阿莫迪还在百度研究怎么让AI听懂普通话；如今，他领导的Anthropic却始终不向中国大陆用户开放Claude。 这难免让人好奇：当年他到底在百度经历了什么？ 巧的是，今年6月，彭博社主持人还真的当面问过阿莫迪：你在百度的经历，是否影响了你后来对中国的看法？ 阿莫迪解释，他只在那里工作了一年，百度的这段经历并不是后来形成相关立场的主要原因。他更关注的是越来越强大的AI可能带来的风险，包括大规模监控，以及对个人隐私的侵犯。 阿莫迪对AI风险的担忧由

匹配字段正文

储能电池增长25.4%；中德超四分之一货物贸易集中在高技术产品领域，由单向低端换高端转向双向互补嵌套。 4.顺差与依存：2025年中欧货物贸易额8281亿美元、占中国外贸总额13.0%，德国居五国首位；中国对欧盟货物贸易顺差达2918亿美元、占对外顺差23.6%，欧盟成中国最大海外贸易顺差来源地，亦为欧盟“去风险”情绪的经济根源。 开源趋势： 十三、英伟达把语音AI做成开源基建：300亿参数模型单芯片可跑，语音战场换打法 1.英伟达于10月28日发布300亿参数语音转写模型 Nemotron 3.5 Transcribe，采用免费开放权重而非封闭API：支持最多40种语言转写、31种语言与英语双向翻译、最长1小时录音、最多区分8位说话人，且可跑在单颗芯片上（从 Jetson 机器人控制器、笔记本芯片到 Blackwell 数据中心卡）；短板是仅处理录制音频、不支持直播流，瞄准商务会议与医疗转写等离线场景。 2.此举恰逢语音AI密集发布窗口（Mistral 于10月20日推出 Voxtral 3、ElevenLabs 上线 Realtime、Salesforce 发布 Launa-Omn

匹配字段正文

微软向约6万名（约占全球22.3万员工的四分之一以上）员工提供自愿离职方案，为2026年内继4月、7月后的又一调整，反映AI投入方向变化下人力资源配置的同步重构；财报后股价盘后一度上涨约3%、逼近550美元，为市场对“全面超预期”的正面回应，也说明高增长预期已被充分计入估值（文章所称“收跌1.57%”与主流交易数据不符，未予采用）。 开源趋势： 十、英伟达把语音转录做成了可提示的语音大模型 1.英伟达于10月28日发布Nemotron 3.5 Transcribe，首次将语音识别、翻译、说话人分离三类专用任务合并为一个“可提示的语音大模型”：用一句指令即可输出逐字稿、书面纪要或英文翻译。模型总参数340亿、单次推理仅激活约43亿，支持40种语言转录、31种语言与英语互译、最多区分8名说话人。 2.该模型采用Mamba-2与Transformer混合的MoE架构，配合Granary v2数据管线（语言覆盖从25种扩至48种，完整处理集约84.36万小时音频）；在Hugging Face Open ASR英文榜以4.71%平均词错误率居开源第一，领先阿里巴巴Qwen3-ASR（4.94%）

匹配字段正文

5 分钟、运维成本约 -40%）、搜狐畅游（P0 恢复缩短、重复运维 -70% 等）、花椒、紫龙、马帮等。 业务创新的几个章节 · SaaS Agent：订阅 → Credits → 按结果付费；界面操作走向 Skill/API。点名明略、熵简、慧算账、富通 JoinfClaw、蓝色光标、六度人和、光魔、天财商龙等。 · 内容生产：营销图视频、游戏美术（Miora / Ardot 等）；2D 序列帧等效率对比为文中自述。筷子、LiblibAI、必凡、玩心不止、紫讯、小影、懂球帝等。 · 社交陪伴 / 游戏内 AI / 客服：TokenHub + 音视频与语音链路；NPC 记忆与任务；客服/质检/外呼（天润融通、轻喜到家、智齿等）。延迟与解决率数字均为文中宣称。 · 生态共建：Buddy 应用、专家、Skill、连接器、硬件；自称桌面办公智能体头部、千万级安装、十万级生态资产、百余伙伴（文中自述）；智慧芽、蜜度、MasterGo 等出现在伙伴页。 完整报告，可以私信我获取（不是刻意引流哈，是因为没找到免费可公开访问的 PDF 地址，是一个付费下载地址，私信或留言我可以把 PDF 发给你）

匹配字段正文

ations 可按需、按计划或根据 GitHub 活动运行任务。 - GitHub 新增 Copilot Security 扩展和 Copilot dreaming。 - 微软 FY27 第一季度营收达923亿美元，其中 Azure 增长48%。 SPACEXSI 🔥： - Grok API 现可接受准则，以引导内容类别的处理方式。 - Grok Bot 推出推荐活动，好友可获两周免费 Premium 试用。 Anthropic 🔥： - Claude for Legal 新增用于合同审查和引文核查的现成工件。 Perplexity 🔥： - 语音模式现基于 OpenAI 的 gpt-live-1 运行，Computer 支持多个会话。 Mistral 🔥： - Mistral 的 Responses API 已进入公开预览，用于构建智能体。 英伟达 🔥： - Nemotron 3.5 Transcribe 是一款开放权重模型，支持40种语言的转录。 亚马逊 🔥： - 亚马逊发布五款由 Alexa+ 驱动的新 Echo 设备。 使用 Grok 撰写本简报，挑选新闻并进行了一些后期编辑。

匹配字段正文

AssemblyAI 推出了其首个文本转语音模型！AssemblyAI-TTS-1 在我们的 Provider Voice Arena 中进入前 12 名，在 Controlled Voice 中进入前 10 名 @AssemblyAI 推出了其首个文本转语音模型 AssemblyAI-TTS-1！我们在两个语音竞技场以及我们的发音鲁棒性基准测试中评估了其表现。 主要结论： ➤ 文本转语音，Provider Voice：AssemblyAI-TTS-1 在 1,626 次竞技场出场中获得 1,227 的 Elo 分数，排名第 12，仅次于 1,228 分的 Breeze TTS 2，领先于 Mistral 的 Voxtral 3 TTS（1,221 分）和 Inworld 的 Realtime TTS-2 Flash（1,218 分）。它在英语（美国）和英语（英国）中均排名第 12。 ➤ 文本转语音，Controlled Voice：AssemblyAI-TTS-1 在 1,674 次出场中获得 1,110 分，使用相同的 8 个克隆声音排名第 10，仅次于 Cartesia 的 So

匹配字段正文

务营收为633.50亿美元（约合人民币4222.97亿元），同比增长12%。皮查伊称，搜索查询量同比增长率达到过去5年来的最高水平，AI投资正在推动整体查询量增长，包括商业相关查询。 在产品层面，谷歌正在整合AI Overviews、AI Mode和传统搜索体验。皮查伊称，AI Mode中的查询平均长度约为传统搜索的3倍，全球约1/5的AI Mode查询使用语音、图片或文档等多模态输入；谷歌每月视觉搜索量已经超过500亿次。 这些变化意味着，用户正在通过更长、更复杂的提问完成信息检索和决策。但对于依赖广告收入的搜索业务而言，查询方式变化也带来了新的变现问题。 在财报会上，谷歌首席商务官菲利普·辛德勒（Philipp Schindler）解释称，AI Mode中的多数查询属于增量查询，能够带来新的商业意图和未来的变现机会。 谷歌正在将AI Overviews和AI Mode中的广告扩展至更多用户和查询，并首次将AI Mode广告的覆盖范围拓展到国际市场，同时在美国推出多轮交互广告。 谷歌也披露了AI对广告主工具的影响。第三季度，Gemini模型帮助广告主生成超过15亿个广告活动素材，同比

匹配字段正文

饪游戏《Spookitchen》被AI克隆后，于Next Fest前不久撤下了该游戏的Demo。战术角色扮演游戏《Dragon’s Chronicles: Twin Stars of Reginleiv》的开发者据称收到了一封勒索邮件，索要200多美元。 前两天的随机展示 广告后继续阅读 十月Next Fest上大量劣质AI游戏也是问答环节的话题。Valve Steam商务团队的Marc Wilkinson解释称，在活动的前两天，Steam展示Demo时实际上是近乎随机的。个性化推荐要到之后才会生效。许多关于AI垃圾游戏泛滥的投诉只涉及这前两天。 据Wilkinson称，这种随机性是为了防止开发者通过提前报名来抢占曝光度，并让每款游戏都有公平的机会。Valve接受在此过程中也会出现劣质游戏。自2024年初起，开发者必须在Steam上说明是否以及如何使用AI。Valve在此区分预生成内容（如AI图像或AI语音）和游戏过程中实时生成的内容。其中许多信息玩家可以在相应游戏的商店页面上查看。这一标注并未改变审核做法：Valve当时就强调，Steam上绝大多数AI辅助游戏都会获批。 （dahe）

匹配字段正文

成排队；而KV缓存压力、为提升韧性而进行的复制，以及为应对峰值需求所需的闲置容量，都会抬高每个请求的有效服务成本。 推理不是一次性的计算事件。它是一种持续的生产负载，其成本和性能取决于流量模式、响应时间目标、模型规模、上下文长度、并发度，以及完成每项任务所需的算力。 这些经济性也因工作负载类型而差异显著：批量推理可以优先考虑吞吐量和调度灵活性，而交互式聊天、语音、检索增强生成、智能体工作流和实时决策则有着截然不同的延迟、可用性和容量要求。 这改变了AI基础设施的经济性。GPU小时费率和API价格只能说明部分问题。 真正的问题是：在约定的服务水平下，每个成功任务的成本是多少，并以首token时间、端到端延迟、可用性、质量和错误率来衡量。 每token成本在下降，应用成本却未必 AI基础设施的核心存在一个重要的悖论。推理已变得便宜得多，但token价格的下降在模型类别、地域、输入与输出token，以及预留容量与按需容量之间并不均衡。 在MMLU基准上，查询具备GPT-3.5级性能的模型的成本已大幅下降。斯坦福2025年AI指数显示，2022年11月的价格为每百万token 20美元，而20

匹配字段正文

s和Spaces等用于工作的方法。此外，旧金山DevDay上发布的产品与技术详情已在上月的报道中汇总。 介绍DevDay发布内容的Vijaye Raji dots是基于用户的目标和过去的交流，在云端推进调查、资料制作、软件开发等工作的AI代理。除单次委托外，还可以委托其进行指定日期的定期执行，或以所对接的联动服务的更新为契机开展工作。工作过程中也可通过消息或语音通话进行商谈，追加指示或改变方针。[1] Raji将持续把握工作状况、告知用户此前未注意到的课题、提出下一步应对建议等也列为dots的特点。官方指南也说明，它会主动调查具有读取权限的信息，并结合过去的工作提出建议或进行确认。例如，告知日程，或询问此前谈过的工作进展。 演讲的幻灯片中还展示了面向次年投资计划、提出事业部门间预算分配方案的用法。 从预算分配建议到缺陷修复，向dots委托的示例 作为开发中的活用示例，Raji列举了应对Slack上收到的缺陷报告。dots会调查原因，经过代码修改和测试后创建拉取请求。 开发中的另一活用示例。委托从即将停用的API迁移，并准备用于评审的拉取请求 dots还可以利用所连接应用及本地PC上的数

匹配字段正文