#语音交互
共 11 篇相关文章
让语音大模型学会呼吸：非语言发声建模新进展
最新研究覆盖13类非语言发声（NVVs），通过自动化合成对话数据集、多阶段微调和NVV感知GRPO，显著提升VocalNet与VITA-Qinyu在共情交互和角色扮演中的自然表现力，探讨语音大模型副语言建模的架构必要性。
语音优先的AI日历：ByDesign让规划只需一句话
ByDesign将自然语言语音交互引入AI日历规划，支持唤醒词免提操作和变更审批。用户无需点击按钮，直接说话即可查询日程、规划一周、移动任务，降低工具交互摩擦。
Murmur：以语音为先的私密思想笔记本
Murmur 是一款以语音为先的私密笔记应用，让你用说话代替打字记录想法，并转化为可搜索的记忆。独特的 Future Capsules 功能可将念头发送给未来的自己。本文解析其核心功能与市场定位。
FD-VAD：全双工语音的语义端点检测新方法
FD-VAD 是一种无需 ASR 的流式语义端点检测方法，将全双工语音的轮次接管建模为因果音频-语言推理任务，在 TurnBench 零样本评测中取得 0.853 的最高 EOT 召回率，为语音交互提供低延迟、懂语义的新方案。
Gemini语音功能升级：用对话搞定Gmail、Keep与Docs
Google 为 Gemini 推出全新语音功能，支持通过对话搜索 Gmail、在 Keep 整理任务、创建 Docs 文档，其中 Docs Live 尤为亮眼，现已面向 Google AI 订阅用户逐步开放。
科技前沿语音优先AI手机操作系统：Voice Hack Night黑客松大奖项目解析
Voice Hack Night黑客松观众选择奖项目Agentic OS深度解析：一个语音优先的AI手机操作系统，通过多Agent跨应用协作，让用户用自然语言对话替代触控操作，重新定义移动交互范式。
产品体验语音指挥Claude Code：告别打字的AI编程新体验
介绍Cloud Code启动器的语音输入功能，将口语化表达智能翻译为精确编程指令，支持5分钟录音、自动过滤语气词、模糊描述转精确参数，让开发者开口就能指挥AI编程。
产品体验Flare App体验：AI语音社交如何替代刷屏时代
深度解析AI原生社交应用Flare的核心机制：通过AI Orb语音助手重构Z世代社交体验，去除点赞、粉丝数等虚荣指标，用语音优先和记忆深度打造真实社交连接。
科技前沿Google Workspace 2025更新：语音交互、Google Pics设计工具全面升级
Google Workspace重磅更新，Gmail、Docs、Keep全面支持语音交互，推出AI设计工具Google Pics，AI Inbox智能邮件管理再升级。深度解析多模态办公AI新趋势及与Microsoft 365 Copilot的竞争格局。
产品体验小智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。
产品体验MedKit开源项目：用Claude Opus 4驱动的语音AI患者模拟器
MedKit是基于Claude Opus 4.7的开源语音AI患者模拟器，支持浏览器端运行，让医学生通过语音问诊练习临床技能。本文详解其核心特性、技术架构及对医学教育的实际价值。