#语音交互
共 195 篇相关文章
xAI发布Grok旗舰语音功能：AI语音交互迈入拟真时代
·4 分钟
xAI发布Grok旗舰语音功能：AI语音交互迈入拟真时代
xAI为AI助手Grok推出旗舰级语音功能，在自然度、音色多样性与低延迟响应上全面升级。本文深度解析Grok语音技术亮点、与ChatGPT等竞品的差距，以及xAI依托X平台生态的产品战略布局。
阅读全文 →
教程攻略·4 分钟
声网RTC+MQTT替代WebSocket：AI语音交互设备架构解耦实战
详解如何用声网Agora RTC+MQTT协议替代传统WebSocket，实现AI语音交互设备与服务端完全解耦。涵盖ESP32嵌入式开发、跨平台通信方案、服务端架构改造及技术选型分析，适用于语音硬件产品开发。
阅读全文 →
科技前沿·6 分钟
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。
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 →
·6 分钟
Chert：几行代码打造FaceTime视频AI智能体
Chert是一款面向开发者的视频AI智能体平台，被称为"FaceTime版Vapi"。开发者只需几行代码即可构建能接听FaceTime视频通话的AI智能体，适用于远程技术支持、现场服务、远程医疗等场景。
阅读全文 →
·11 分钟
英伟达曝光SpaceX持仓成第六大股东，Codex解锁百万上下文窗口
英伟达首次披露持有SpaceX约1.228亿股成为第六大股东，Stripe超70亿美元收购OpenRouter，OpenAI Codex开放百万级上下文能力，美团Agent覆盖9万员工。本文汇总本周AI圈资本动作与技术突破。
阅读全文 →
·7 分钟
AI聊天机器人为何总爱长篇大论？原因与解决方案
探讨ChatGPT、Claude等大语言模型回答冗长的深层原因，包括RLHF训练中的长度偏见、防御性表达机制，以及通过提示词工程和产品设计驯服话痨AI的实用方法。
阅读全文 →
·14 分钟
Gemini 3.7 Flash发布实测，GPT-5.6超快模式提速14倍
谷歌三周内迭代推出Gemini 3.7 Flash，代码能力和网页开发评分领先同级竞品。同期OpenAI开放GPT-5.6超快模式候补，借助Cerebras芯片实现每秒750 Token输出，提速14倍。深度解析两大模型的性能、定价与适用场景。
阅读全文 →
·15 分钟
Gemini Flash激进降价：AI智能体成本战全面打响
谷歌Gemini 3.7 Flash以半价策略抢占智能体市场，OpenAI推出UltraFast实现14倍速度突破，DeepSeek逆势涨价寻求商业化。三大AI巨头从不同维度争夺智能体经济主导权。
阅读全文 →
·7 分钟
ElevenLabs MCP接入Claude：用对话管理AI语音智能体
ElevenLabs推出面向Claude的MCP集成方案，开发者可通过自然语言对话创建、配置和管理语音智能体，无需切换平台。本文解析MCP协议如何简化语音AI工作流及其对行业的深远影响。
阅读全文 →
·8 分钟
三明治架构：企业级语音智能体的最佳落地方案
深入解析语音智能体三种主流架构（三明治、原生实时、混合），对比STT+Agent+TTS方案在智能体能力与实时性之间的权衡，帮助企业团队选择最合适的语音AI落地路径。
阅读全文 →
·6 分钟
Gemini 3.7 Flash实测：代码能力暴涨，年底特惠值得薅
Google Gemini 3.7 Flash实测评测，代码质量测试达43.6%反超Sonic 5，软件工程测试跃升至65.3%。年底特惠期输入仅0.75美元/百万Token，适合中小团队批量调用。同日OpenAI接入Cerebras芯片实现14倍提速。
阅读全文 →
·14 分钟
AI Group Call：六个AI同时语音开会为你出谋划策
AI Group Call 让六个AI角色在语音会议中轮流发言、相互辩论，为你提供多角度决策建议。支持即时打断、自动转录总结和持续对话，探索多智能体协作的全新交互范式。
阅读全文 →
·10 分钟
LangChain核心特点与六大应用场景面试全解析
深度解析LangChain框架的四大核心特点（统一模型接口、模块化架构、智能体工具调用、记忆管理）与六大应用场景（RAG、Agent、对话系统等），助你在大模型开发面试中从容应答。
阅读全文 →
·16 分钟
Oh-My-Pi深度体验：内置LSP和调试器的编程Agent全面评测
深度评测Oh-My-Pi编程Agent的核心功能：hashline编辑模式、内置LSP工作区重构、真实调试器、语音交互与协作功能，对比Pi框架的设计哲学差异，帮你判断是否值得迁移。
阅读全文 →
·11 分钟
Dograh：开源语音AI智能体平台，VAPI的免费替代方案
Dograh是一款完全开源的语音AI智能体平台，提供可视化流程构建、30+模型集成、本地部署、电话通信及人工转接等功能，支持一条命令自托管，是VAPI的自由替代方案。
阅读全文 →
·16 分钟
FirstSignal：AI语音代理如何革新首轮面试筛选流程
深度解析FirstSignal这款AI语音面试筛选工具，了解其如何通过实时语音通话自动完成首轮结构化面试，帮助招聘团队高效筛选候选人，同时保留人类最终决策权。
阅读全文 →
·12 分钟
ChatGPT语音模式突然尖叫？深度解析AI异常行为的技术真相
一位用户深夜使用ChatGPT语音模式时，AI突然发出惊恐尖叫且事后否认。本文从技术角度解析这一异常行为的成因，包括端到端音频模型幻觉、上下文断裂等可能原因，帮你理解AI语音交互的潜在风险。
阅读全文 →
