PulseAugur
中
实时 04:45:07
实体 GPT-Realtime-2.1

GPT-Realtime-2.1

PulseAugur coverage of GPT-Realtime-2.1 — every cluster mentioning GPT-Realtime-2.1 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
4
90 天内 8
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 1
层级分布 · 90 天
主题
关系
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 8 条
  1. FRONTIER RELEASE · CL_368133 ·

    OpenAI 发布 GPT-Live-1.1 语音 API,提供更便宜的待机模式

    OpenAI 发布了 GPT-Live-1.1,这是其 API 的全双工语音模型,旨在实现更自然、更可靠的多语言对话。该新模型集成了语音处理和推理功能,允许它在说话时进行倾听,并将复杂任务委托给 GPT-6 Astra 或 Luna 等后端模型。一个关键特性是引入了“待机”模式,将空闲语音会话的成本显著降低至每分钟 0.02 美元,比活动费率降低了 60%。此版本为按 token 计费的 GPT-Realtime 模型提供了一个替代方…

  2. TOOL · CL_318087 ·

    OpenAI Realtime API 为语音控制的机器人手臂提供动力,可用于游戏和任务

    一位用户将 OpenAI 的 Realtime API(特别是通过 WebRTC 的 gpt-realtime-2.1 模型)与自制机器人手臂集成。该设置允许用户通过语音命令与机器人进行交互。机器人可以通过其摄像头提供的视觉输入来玩井字棋、操作立方体等物体,并识别玩具。该系统使用一个具有有限工具集的语音模型、用于抓取和抓握等动作的训练策略,以及一个用于识别和定位物体的视觉模型。

  3. SIGNIFICANT · CL_299547 ·

    xAI 发布 Grok Voice 3.0,树立语音 AI 新标杆

    xAI 推出了 Grok Voice 3.0,这是一款专为客户支持和语音助手应用设计的新型语音到语音模型。据报道,该模型在通话解决率、低于一秒的延迟以及与其他前沿模型相比的成本效益等领域取得了行业领先的性能。独立基准测试显示,Grok Voice 3.0 在语音到语音指数和企业语音代理评估等指标上优于竞争对手,同时还展现了自然的对话能力。

  4. TOOL · CL_286564 ·

    通过优化轮次切换设置,AI语音助手的响应时间大大缩短

    作者详细介绍了他们如何通过调整两个配置设置,而不是归咎于底层模型,将他们的AI语音助手OpenClaw的响应时间从八秒减少到近乎即时。主要的延迟是由代理在每个轮次咨询其全部推理能力造成的,这被更改为“自动”模式,其中语音层处理对话中的填充语,仅在必要时调用代理。此外,静默宽限期从2000毫秒减少到800毫秒,显著改善了对话流程。作者指出,这些是轮次切换设置,并不代表模型质量,并分享了运行此类系统的成本明细。

  5. TOOL · CL_300306 ·

    DuplexJev系统使冻结的LLM能够超越文本记录进行聆听

    研究人员推出了一种名为DuplexJev的新颖系统,旨在提高全双工语音代理的效率。与传统的缓慢解码不同,DuplexJev将自动语音识别(ASR)编码器的隐藏状态通过一个小型连接器输入到冻结的大型语言模型(LLM)中。这使得系统能够在大约0.1秒内对八个话语做出多个决策,速度远超以往的方法。该系统还展示了识别说话者情绪和性别的能力,准确率达到90%,并且已发布权重和训练流程。

  6. SIGNIFICANT · CL_247332 ·

    OpenAI发布GPT-Live-1 API,支持实时语音对话

    OpenAI发布了其新型语音对话模型GPT-Live-1的API,使开发者能够创建更自然、更可控的语音体验。该模型采用全双工通信方式,能够同时进行倾听和说话,这与之前的顺序模型不同。GPT-Live-1还改进了对背景噪音的处理能力,能够将复杂任务委托给其他模型,并支持自定义语音特征,如音调、语速和风格。

  7. TOOL · CL_197185 ·

    OpenAI实时API的替代方案涌现,适用于生产级语音代理

    OpenAI的实时API虽然对语音应用的快速原型开发很有用,但在生产环境中由于成本不可预测、转录不准确以及对话流程问题,会带来挑战。AssemblyAI的Voice Agent API和Google的Gemini Live等替代方案为2026年提供了更强大的解决方案。与OpenAI的单一模型方法相比,这些替代方案通常利用专门的模型来处理不同任务,提供更好的准确性和更可预测的定价结构。

  8. FRONTIER RELEASE · CL_129652 ·

    OpenAI推出GPT-Live语音模型,实现自然、实时的AI对话

    OpenAI 推出了 GPT-Live,新一代全双工语音模型,旨在实现更自然、实时的 人机交互。这些模型,包括 GPT-Live-1 和 GPT-Live-1 mini,能够同时进行听和说,允许 打断和更流畅的对话。它们将复杂的推理和网络搜索委托给更高级的模型,如 GPT-5.5, 同时保持对话流程。OpenAI 还发布了其 API 的 GPT-Realtime-2.1 和 GPT-Realtime-2.1-mini, 专注于…