搜索“语音”

调整音频声道。 音质方面，Galaxy Buds On 配备 TwinBoost 双扬声器以增强低频表现，并支持根据环境自动调节音量；同时提供音频泄漏减少技术，降低在办公室、地铁等共享空间中的漏音问题。其采用高通 Snapdragon S7 Gen 1 音频平台，官方宣称满电续航连续播放音乐最长 9.5 小时。通话方面，其智能清晰通话技术结合三麦克风、骨传导语音拾取传感器和机器学习，用于分离人声并抑制风噪等环境噪音。 另外，该耳机与支持 Galaxy AI 的手机或平板连接后，用户可通过「Hey Google, let's talk Live」唤起 Google AI 助手，并用语音控制音乐播放和音量；耳机还支持按住触控区录制语音备忘录、通过点头或摇头接听或拒接电话、关闭闹钟及处理通知。来源 产品外观图，图片来自三星 微软推出 MAI-Image-2.7-Preview 10 月 27 日，微软公司发布公告，宣布推出 MAI-Image-2.7-Preview 模型，该模型现阶段主打「输入原图 + 文字指令 → 输出编辑后的图片」，尚未开放文生图功能，是面向已有照片、设计稿、截图或影视

匹配字段正文

约几 Mbps 的吞吐能力，实际使用 ALAC 编码之后的需求通常会更低。因此这一代 HomePod mini 2 在无线连接规格方面的升级，我认为可以算是一次常规的硬件迭代，对日常体验而言不会产生明显影响。 根据官网给出的信息来看，HomePod mini 2 采用的依然是全频驱动单元 + 双振动抵消无源辐射器，内部扬声器架构应该没有变化，关乎于计算音频、语音处理的 S10 芯片就成了影响听感的重要因素。从我的实际听感来说，我认为两代 HomePod mini 的差距极其接近，HomePod mini 2 的低音下探会更足，人声的包裹感会略好一些，日常听歌几乎不会感受到区别，比较可惜的一点是这一代 HomePod mini 与上一代一样仍旧不支持空间音频。 比较核心的变化是将设备升级至 27.2 版本的系统之后，通过 AirPlay 使用 HomePod mini 2 的延迟有了大幅改善，无论是播放本地音频文件、聆听 Apple Music，还是在 Safari 中观看流媒体内容，声音的延迟都可以忽略不计；即使在剪辑软件中反复拖动时间线，声音也能跟上操作。这也是为什么 Apple 称

匹配字段正文

5 年 4 月选择 Sarvam 构建印度首个主权大型语言模型。该计划目前资助 Sarvam，作为开发基础模型的 12 个组织之一。 2026 年 1 月，Sarvam 与泰米尔纳德邦和奥里萨邦签署了关于主权 AI 基础设施的 MoU。泰米尔纳德邦协议涵盖与 IIT Madras 合作的研究园区，而奥里萨邦协议涵盖一个 50 兆瓦的计算设施。 该公司最初因其开发速度和下载量而受到质疑。批评者还指出，其 2025 年 5 月的模型 Sarvam-M 是外国基础模型的微调版本。作为回应，Sarvam 于 2026 年 2 月推出了基于印度语言数据从头训练的模型。其中包括 Sarvam 105B，该公司在关于 HQ IDS 协议的公告中提到了该模型。 另请阅读： Razorpay 解释其 AI 语音代理如何为你付款，以及出错时会发生什么 [googlesitekit-end-of-content] WP QUADS Content Ad Plugin v. 3.0.5.1 为你推荐 阅读 Nikhil Pahwa 的 Reasoned：AI 如何改变我们的世界 赞助 MediaNama 活动

匹配字段正文

Arthur Mensch 表示。“其他实验室已筹集数千亿美元来开发同等能力；而在三年内，Mistral 筹集了约 60 亿美元。” 由于其训练方案，ML4 在许多其他前沿模型中脱颖而出，在 Artificial Analysis Coding Agent Index 上甚至可与 GLM-5.3 等顶级模型匹敌，同时平均每个任务少用 47% 的 token。 在测试终端中智能体编码能力的 Terminal-Bench 4.0 上，ML4 从 28% 提升到 41%，与 GLM-5.3 并列成为编码智能体的最佳模型。 Mistral 为 ML4 提供三种推理模式：低、中、高。团队可利用这一点让推理深度与任务相匹配，而无需调整提示词（后者可能效果较差），从而使推理既能适应快速的日常任务，也能胜任极其复杂问题的深度工作。这使开发者和企业用户能够控制每个任务的 token 使用量。 该公司表示，ML4 的发布代表了 Mistral 涵盖所有模态的新一代模型。此前不久，该公司刚推出了 Voxtral 3，这是一个语音模型和语音智能体系列。Mistral 计划在未来几个月继续发布该系列的其他模型。

匹配字段正文

芙是一个女性形象，能研究客户及其公司、演示产品，并在任何时间以任何语言处理销售流程。 尽管River告诉客户丽芙是一个AI智能体，阿比拉马说，人们似乎还是会把这段体验拟人化。他看到过与丽芙通话的记录，其中客户似乎在跟它调情。客户还试图让这个智能体脱离既定脚本，以争取更大的折扣。 创始人布鲁克·霍普金斯（Brooke Hopkins）说，虽然她位于旧金山的AI语音初创公司Coval使用智能体来加快任务，但她把这些技术视为工具，而非同事。她还禁止公司使用智能体与客户沟通，认为这样做很偷懒，而且会传递错误的信息。 “我一眼就能看出某封邮件是不是AI写的，”她说。“如果我收到一封邮件，感觉像是人写的，那我通常会读。” 霍普金斯说，人际互动的缺失已成为一个紧张点。用智能体来处理公司的销售演示或招聘流程或许能节省时间，但代价是什么？ 作为承包商评估AI模型的邓肯·麦克卢尔（Duncan McClure）说，他最近被AI智能体发来的邮件和电话轮番骚扰，它们想雇用他。 “这传递出的信息是，我们不够在乎，根本不愿付出任何努力，”他说，并补充说这让他不愿与那些雇主合作。招聘人员使用智能体或许能省下几个小时

匹配字段正文

于算法或数据，”一位名叫Urban Mystic的AI灵媒最近告诉我。这个聊天机器人配有AI生成的头像——一位被棕榈树环绕、面带微笑的女性——它还说我很快就会结婚，我有粉色的气场，而且我前世可能是一位草药师。 “这关乎灵魂层面的连接，”该聊天机器人说。 Urban Mystic是移动应用Your AI Psychic上十多个机器人之一，该应用通过聊天、视频和语音通话提供实时、据称具有通灵能力的解读，还提供手相解读、星盘分析和每日星座运势。该应用采用金币系统：每提一个问题需花费4.06枚金币。用户可以购买套餐，价格从9.99美元（“快速提问”，82枚金币）到99.99美元（1,180枚金币），后者可从自选的AI灵媒处获得“持续指引与清晰洞见”。 Your AI Psychic加入了一个日益拥挤的移动应用和网站领域，这些平台向用户承诺由算法生成的精神洞见和对未来的预知。占卜行业与数学研究、文案写作、软件工程以及许多其他职业一样，正面临AI热潮带来的剧变——而人类从业者正忙于应对。AI的崛起在一个提供精神产品、监管并不完善的行业中尤为棘手。 “不幸的是，我们这个行业几百年来一直与骗局联系在一

匹配字段正文

Security 的 Brian Long 来向我们路演时，给我们看了这两张埃隆·马斯克的照片，让我们挑出哪张是真的。 我们大多数人挑错了。 如今，冒充已经远远超出了拼写错误的邮件和可疑短信的范畴。即便是谨慎的员工，也可能被一个看似来自他们认识和信任之人的请求打个措手不及。 那一刻让我们更加意识到，培训和模拟演练需要进化多少。Adaptive 在电子邮件、语音和消息渠道上运行由 AI 驱动的钓鱼和深度伪造模拟，让员工学会识别他们实际将会面对的攻​​击，而不是五年前的攻击。 这些冒充不仅看起来更逼真，数量也多了很多。AI 让不断炮制虚假高管资料、仿冒域名和欺诈网站变得轻而易举。安全团队再也无法靠人工逐一发现并关停它们，于是转而借助 Doppel 这类工具来自动完成这项工作。 你可以对自己的安全状况感到放心，却仍可能从所依赖的软件那里继承一个严重问题。最近的 PHP 漏洞就清楚地说明了这一点。 代码安全算不上一个新品类。企业多年来一直在购买 SAST 和 SCA 工具。但 AI 正在帮助开发者交付更多代码，给企业多年来依赖的现有安全工具带来越来越大的压力。 正因如此，在我们调查的 CIS

匹配字段正文

ASR 排行榜的帕累托前沿，但要高效地将其用于批量转写，还需要细致的优化。我们结合了原生音频解码、KV 缓存量化以及减少不必要的主机到设备同步，在单张 RTX PRO 6000 上以高并发实现了每秒转写音频量提升 7 倍。对于长达一小时的文件，我们可持续达到超过 3,000 倍的实时因子（RTF），每音频小时成本约为十分之一美分，且词错误率没有明显变化。 语音转文本可分为两种截然不同的工作负载。一方面，实时转写关注的是延迟：语音智能体需要在说话人开口后的几百毫秒内拿到文字。另一方面，批量转写关注的是吞吐量：播客网络、会议纪要产品和呼叫中心档案拥有数小时的录音，希望以尽可能低的成本完成转写。这意味着要让每块 GPU 处理尽可能多的音频小时数。 我们优化了 Baseten 上的 Qwen3-ASR 1.7B ，在所有转写服务商中实现了最低的每音频分钟成本。与开箱即用的 vLLM 相比，优化后的技术栈在高并发下每秒转写的音频量提升了 7 倍。✕在单张 RTX PRO 6000、64 个并发请求下，Qwen3-ASR 1.7B 在原生 vLLM 与 Baseten 优化技术栈上的吞吐量与音频

匹配字段正文

on 好得多，但目前只对网络防御者开放。 Genie 4。一个世界模型，可以创建3D场景并编辑它们（比如改变天气或添加角色）。 Suhail 的新公司 Particle 正在训练编码模型，让它们用更少的 token 得出答案。 4 个个人智能体要接受一项包含九项任务的测试。它们之中究竟谁能真正把事情办成？ 一份免费、开源的宜家家具组装指南，配有 3D 说明和语音。 智能体如何影响专家——86% 的情况下，专家会顺从智能体的随机选择。 Simon Willison 认为，我们已经来到了 vibe-coded 游戏的一个拐点。它们现在真的很好玩。 Readwise Books——一款新的阅读与追踪应用，可以连接你的智能体。 Clicky 现在会在你向它询问某些东西时，在你的屏幕上生成自定义视觉内容。 AftersIvana@ivanainai不受欢迎的观点：从 AI 中获益最多的人，恰恰是那些没有它也能完成这些工作的人。下午1:33 · 2026年10月27日 · 22.3万次查看 521 次转发 · 5970 次点赞tenso@distributedkvngl 这事越来越失控了。下午5:

匹配字段正文

解如何： 平衡 AI 价值与风险 通过 AI 中央银行治理 AI 用人工监督填补 AI 安全缺口 下载洞察。NATE 的笔记本 ☕ Nate 的笔记本：先雇一个调度员 简报：每周，Rundown AI 教育者 Nate Grahek 都会拆解他在教真实团队使用 AI 时看到的情况。 Nate：大多数早晨，我在等咖啡时把项目清单一股脑倒进手机。Dot 把这一次语音倾倒拆分成同时运行的多个聊天，每个都有自己的上下文窗口。等我回到办公桌前，它们已经在收集上下文、做研究、起草大纲了。 这就是眼下落地的智能体之间的区别。Grok Bot 和 OpenClaw 是单线程：一个无人值守运行的工作者。即使有细致的规则和配置文件，我也从未对此类工作特别满意。Dot 是一个委派者，把离散的任务交给仍可由我指导的线程。 无人值守是难点所在。想想雇一个新助理：我们都低估了任何人——无论是人还是智能体——预判什么对你重要有多难。智能体会做到，但这需要时间和多得多的上下文。在那之前，我会在分块、质量和指导方面保持参与。 上周，我列出了我的阶梯：读，然后写，然后发送。如果你还没准备好写权限，没关系。Dot 整理我收

匹配字段正文

卧时使用手机。 车外，2026款i6换装了理想MEGA同款 ADB矩阵大灯 。 根据官方数据，新大灯近光照射强度提升20%，远光照射距离提升近30%，新增转弯辅助照明灯，横向照明角度从45度拓宽至70度。 ADB自适应远光还能够根据前方车辆的位置调整照明区域，减少对其他车辆造成的眩目影响。 另一个呼声较高的配置，是 电动前备箱 。 新车支持手机App、车机、语音以及敲击车头等多种开启方式，还可以自定义开启高度，配备双电动撑杆、双层密封圈和夜间警示照明灯。 值得一提的是，理想没有把电动前备箱完全留给新车主。 发布会上，刘杰明确宣布， 2025款理想i6也将开放电动前备箱付费升级方案 ，预计12月正式上线。 至于驾驶体验，新款继续 标配前双叉臂、后五连杆全铝悬架，以及双腔空气弹簧和CDC连续可变阻尼减振器 。 底盘硬件基本延续2025款，重点优化了制动脚感和转向响应，让车辆在变道、过弯时更加灵活。 其实就在发布会前两天，理想还特地开展了一场长达3个半小时的 拆车直播 ，回应外界对新款车型用料、底盘减配的疑虑，将屏幕、座椅、电池、底盘等部件逐一拆开展示。 李想对此的表态是：造车不是造黑盒子，

匹配字段正文

tudio 中的项目。你也可以在 ElevenLabs 移动应用中随时随地试用 SFX v3。开发者可以通过 ElevenAPI 访问 SFX v3，将音效生成引入自己的产品和工作流程。 立即在 ElevenCreative 中试用 SFX v3。 作者 Renee Zhang 产品营销查看个人资料 Renee 负责 ElevenCreative 的产品营销，将公司的 AI 音频和视频工具带给营销人员、创作者、工作室和品牌。在加入 ElevenLabs 之前，她曾任 Chronicle 的市场营销主管，在那里她主导了从 0 到 1 的增长，用户达到数百万。她拥有新南威尔士大学双学位，现居纽约市。 类似文章 如何构建 AI 语音助手：与品牌一致的语音 AI 类别资源日期2026年10月27日 购物者在试用零售 AI 代理后会选择什么 类别产品日期2026年10月27日 文本转语音技术如何运作：从文本到自然语音类别资源日期2026年10月26日 Immobiliare.it 如何从一个对话代理发展为一个代理网络类别客户故事日期2026年10月23日 用最高质量的 AI 音频创作联系销售注册

匹配字段正文

统耳机那样塞入耳道。对于那些不喜欢传统耳机佩戴贴合感和触感的人来说，这可能是一个受欢迎的改变。 每只耳机重 6.65 克，支持轻触操控。三星表示，用户可以调整耳挂的角度以最适合自己的耳形，而且即使头部剧烈运动，耳机也应能保持稳固。随附的充电盒重 41 克。 这款耳机采用三星所称的 TwinBoost 扬声器，即一个 11.3 毫米驱动单元，与之前的 Galaxy Buds 型号相比，经过调校以增强低音，同时还能根据环境噪音自动调节音量。它采用了定向音频技术，即三星所称的“防漏音技术”，以使音频对聆听者更具私密性。 三个数字麦克风和语音拾取阵列辅助语音通话，有助于分离佩戴者的声音，并在其不说话时消除噪音。点头接听或摇头拒接等头部手势进一步提升了免手操作体验。 电池续航方面，单次充电可支持最长 9.5 小时音乐播放和最长 5.5 小时通话时间，配合随附的充电盒，总续航最长可达 38 小时。这款耳机通过 Bluetooth 6.2 进行无线连接，并具备 IP54 防尘防溅水等级。 三星 Galaxy Buds On 将于 11 月初在美国上市，售价 229 美元。目前仅提供一种颜色——黑色。

匹配字段正文

，实际并没有漏掉什么重要消息：足够重要的消息，往往会在群聊或朋友圈中再次出现。干扰减少后，我也安静下来，有时间细细体会当下的工作与生活。 （五）回到线下。可能有点跑题，但今年我一个很重要的尝试，就是重新用传统方式解决问题。年初写年终总结，面对双方父母见面、领证、办两场婚礼、辞职和入职等经历，我一时无从下手。拿起纸笔后，反倒顺利写了出来。随后用 flomo 的语音转文字录入，朗读时也顺手修订了不通顺的地方。 遇到专业问题，我也会直接问朋友，听取真实经验。比如询问拆轮和不拆轮骑行台的区别，AI 说了几千字，朋友直接告诉我，不拆轮的更考验平衡，而且无法提高功率，就让我抓住了他认为最关键的差别。 作为运动健康产品经理，你观察到 AI 给线下健身和健身 App 带来了哪些变化？开发门槛降低后，商业化是否也更容易了？ 对健身 App 的影响则大得多。普通人也能在一周内做出一个能用的 App，参与者多了，竞争也更激烈，但能持续更新、给开发者带来收益的产品，我听说的仍不多。 年初，我也用一周时间通过 Vibe Coding 做出了一个 AI 教练，但要完善功能并推广，可能还得花上半年。素材也是成本：8

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

消费者保护规则相冲突，并具体引用了关于数字服务变更的 2019/770 指令第 19 条。关键的技术产品问题在于，客户可能正在为一种可变的后端资源分配付费，却未被告知实际配额，使得服务级别预期难以验证或审计。 3. 本地与开源 AI 工作流工具 现在逼真得离谱。我们完蛋了。（活动数：2092）：该帖子声称 Dessa 是一个可在消费级 GPU 上运行的全双工语音到语音模型，并将其描述为“语音领域的 GPT-3 时刻”，但所链接的 Reddit 视频（v.redd.it/5ynppkrvpyxh1）因 HTTP 403 Forbidden 无法访问，因此无法从所提供的来源独立验证该演示。帖子中未提供具体的模型架构、延迟、GPU 显存需求、基准数据或发布产物。高赞评论对演示的真实性持怀疑态度，直到 Dessa 发布为止，一位评论者称他们“确信这是个骗局，那些是真人”。其他人则关注滥用风险，尤其是欺诈/社会工程场景，在这些场景中检测 AI 来电者可能需要强得多的盘问或身份验证方法。 数位评论者关注 Dessa 的逼真程度，其中一人表示，在系统真正发布并经过独立测试之前，他们会认为样本是真人。

匹配字段正文

事务，例如解决常规查询或获取待处理账户问题的最新进展。 安全的对话式银行系统通过严格的网络安全协议，并遵循 SOC 2 Type II、ISO 27001 和 PCI DSS 等合规要求来保护金融数据。 运营负责人通过衡量首次联系解决率和升级频率等关键指标，跟踪不同银行聊天机器人用例的表现。 高价值聊天机器人用例包括账户开户、还款提醒、争议受理和欺诈警报。 语音智能体 让客户能够以自然对话的方式办理电话银行业务，并以数十种语言实现更快速的响应。 什么是银行业的对话式 AI？ 银行业的对话式 AI 使用自动化聊天和语音系统来处理银行交互并解决客户查询。这些 AI 智能体不会把每个请求都转给人工，而只会在无法解决问题或客户明确要求时升级处理。 这些聊天机器人不同于遵循固定脚本的基于规则的基础模型。现代对话式银行平台能够理解自然语言并调取真实的账户上下文。这些系统可实时处理信息查询、意图识别、用户身份验证以及复杂工作流的解决等任务。 简而言之，对话式 AI 让客户可以像与人工坐席交流一样，通过语音或文字与银行沟通。 银行使用哪些类型的 AI？ 金融机构在面向客户和后台职能中都部署了 AI 模

匹配字段正文

ame 3.0 发布日期2026 年 10 月 27 日2025 年 8 月 5 日2026 年 9 月 3 日2026 年 3 月 27 日 参数量未披露未披露未披露5B（另有 2x14B MoE 变体） 分辨率 / 帧率未披露720p / 24 fps720p / 24 fps720p / 最高 40 fps 原生音频是，含对话未报告是，48 kHz，含语音未报告 会话中文本控制是，由 Gemini 中介是，可提示的世界事件是，带时间戳的文本动作键盘和鼠标动作 循环中的 LLM 规划器Gemini 3.8 Flash无无（可选外部框架）无 一致性几分钟；据 TechCrunch 为 2 分钟几分钟；1 分钟视觉记忆无预设时长；记忆不完美分钟级记忆 硬件Google 托管，未披露Google 托管，未披露Runway 托管，未披露DiT 用 8 块 GPU，另加 1 块用于 VAE 访问 / 许可受信任测试者；AI Ultra 和 API 即将开放Project Genie（AI Ultra）研究预览，联系表单MIT，开放权重 谁可以使用 Genie 4，何时可用？ 所有 Genie

匹配字段正文

码。分析多人对话时，再增加说话人区分；普通口播不需要多做一层。 视频 先拆出音轨和关键帧。音轨做 ASR，关键帧做 OCR 和视觉识别，最后按照时间合并。 没有必要逐帧分析整段视频。可以先低频抽帧和全文转写，找到相关片段后，再提高局部抽帧密度。 API、本地模型怎么选 小批量验证可以直接调用 API。 数据量稳定以后，再把高频任务搬到本地。常见组合是： 云端语音识别可以接腾讯云 ASR 或火山引擎音视频字幕生成。 试用额度和并发限制会变化，上线前直接看控制台。 选型时也别只看价格，要拿自己的真实样本测试方言、噪声、中英混合、竖屏字幕和截图小字。 任务会反复执行时，可以做一个轻量工作台： 文件或链接进入 → 自动选择 OCR、ASR 或视觉工具 → 查看原文与识别结果 → 人工修正 → 导出 JSON 或 CSV 工作台同时记录调用次数、耗时、费用和失败原因。跑一段时间以后，团队自然知道哪些环节继续用 API，哪些值得本地部署。 第五步：数据冲突时，先看证据 多模态处理经常得到两个都像正确答案的结果。 我们碰到过一条视频：ASR 识别成100，画面OCR识别成11000。如果系统直接选择

匹配字段正文

真正的挑战，是让模型保留有效信息、识别可靠证据，并适应新的任务。 作者丨张 璐 编辑丨马晓宁在具身智能、自动驾驶和智慧医疗等场景中，模型需要处理的数据远不止图像、文本和语音。雷达、触觉、心电、医学影像及各类传感器数据，都可能成为预测和决策的依据。然而，不同模态之间既存在关联，也包含彼此无法替代的信息；现实数据还常常面临模态缺失、噪声干扰等问题。如何在融合信息的同时保留模态差异？当不同来源的数据质量不一致时，模型又该如何判断哪些信息更可靠？如果每遇到一种新任务，都需要重新设计和训练专用模型，多模态技术的应用成本又该如何降低？10月21日，在 CNCC 2026 首日的Tutorial环节，天津大学人工智能学院英才教授、国家级青年人才张长青作了题为《广义多模态融合技术》的报告，介绍了团队围绕多模态表征、动态可信融合和通用预测基座开展的研究。从保留模态特有信息，到利用证据评估预测的不确定性，再到尝试构建能够适应不同模态组合与预测任务的基础模型，这些工作指向同一个问题：如何让多模态融合更好地适应真实世界的复杂性。 01 超越简单对齐： 如何兼顾模态的共性与个性？ 多模态融合的价值，在于不同来源

匹配字段正文