#AI语音
共 33 篇相关文章
科技前沿·5 分钟
Dia开源项目一天5000星：两本科生3个月复刻NotebookLM播客功能
开源AI语音生成项目Dia上线一天GitHub星标破5000，由两名本科生自学3个月打造。1.6B参数实现近乎实时的双人对话生成，效果媲美谷歌NotebookLM，支持笑声、咳嗽等非语言细节模拟。
阅读全文 →
产品体验·3 分钟
开源AI桌宠小猫：Qwen 3.5 Omni+ESP32打造全模态智能伙伴
基于Qwen 3.5 Omni全模态模型和ESP32-S3的开源AI桌宠小猫项目，支持情感语音交互、视觉感知、手势互动和一日记录复盘功能。附完整复刻教程，含硬件清单、3D打印模型和代码烧录指南。
阅读全文 →
科技前沿·3 分钟
Qwen3.6 35B开源实测逼近Claude，xAI语音克隆API正式上线
阿里开源Qwen3.6 35B模型，256专家MoE架构仅需3B激活参数，SWE Bench成绩逼近Claude Opus。xAI发布Voice Cloning API支持28种语言，NVIDIA开源OpenShell安全沙箱，Sam Altman表态模型智力优先。
阅读全文 →
产品体验·6 分钟
小智AI语音助手Flutter客户端：跨平台语音对话应用开发实战
深入解析小智AI语音助手Flutter客户端的技术架构与核心功能，涵盖实时语音交互、Flutter跨平台开发方案、前后端分离架构设计，以及与xiaozhi-server的协作模式，助力开发者快速构建AI语音对话应用。
阅读全文 →
产品体验·4 分钟
小智ESP32后端Go语言重构：高并发AI语音交互服务实战
深入解析xiaozhi-esp32-server-golang开源项目，用Go语言重写小智ESP32后端服务，支持WebSocket/MQTT双协议、声纹识别、MCP远程调用等功能，为AI硬件提供高性能后端方案。
阅读全文 →
教程攻略·11 分钟
Google AI Studio使用教程：免费生成无水印图片、AI语音与零代码应用
详解Google AI Studio核心功能：无水印AI图像生成、多角色文本转语音、零代码构建AI应用。涵盖Playground高级设置、Build应用构建、Firebase集成等实用技巧，附操作步骤与配额策略。
阅读全文 →
教程攻略·10 分钟
MCP协议入门：让AI大模型控制ESP32硬件的实战指南
详解MCP协议（模型上下文协议）的核心概念、函数定义方法及实战应用。通过ESP32+Mixly图形化编程平台，演示如何用MCP让AI大模型理解语义并控制灯光等硬件设备，附完整参数配置说明。
阅读全文 →
教程攻略·9 分钟
小智AI+MCP协议+STM32：语音控制智能家居实战方案
详解小智AI通过MCP协议与STM32双机通信实现智能家居语音控制的完整方案，涵盖步进电机精准控制、灯光风扇加湿器开关控制，以及MCP协议在嵌入式硬件领域的落地实践。
阅读全文 →
科技前沿·8 分钟
谷歌24亿美元截胡OpenAI收购Windsurf，AI人才争夺战全面升级
谷歌以24亿美元截胡OpenAI成功收购AI编程公司Windsurf，Meta同步收购语音AI公司PlayAI。科技巨头AI并购潮背后，人才争夺、垂直整合与应用生态竞争正在重塑全球AI产业格局。
阅读全文 →
产品体验·8 分钟
百聆：开源语音助手800ms低延迟，媲美GPT-4o对话体验
百聆（bailing）是一款基于ASR+LLM+TTS架构的开源语音助手，集成DeepSeek R1大模型，端到端延迟仅800ms，支持打断对话，可在Mac等低配设备流畅运行，助你打造私有化个人AI语音助手。
阅读全文 →
深度解读·7 分钟
WebRTC为何不适合AI语音？延迟优先设计的致命缺陷
深入分析WebRTC在AI语音交互场景中的设计缺陷：丢包优先策略导致用户prompt残缺、LLM响应质量下降。探讨MoQ等替代协议如何更好地平衡数据完整性与低延迟需求。
阅读全文 →
产品体验·8 分钟
UnrealGenAISupport：UE5一站式AI集成插件深度解析
深度解析UnrealGenAISupport开源插件，集成GPT-5、Claude、Gemini等数十种AI模型，内置MCP服务器支持UE5编辑器操控，实现智能NPC对话、3D资产生成、AI Agent工作流，是虚幻引擎5接入生成式AI的首选方案。
阅读全文 →
