实体
Vision Agents
Vision Agents
PulseAugur coverage of Vision Agents — every cluster mentioning Vision Agents across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
Google 发布 Gemini 3.5 Live Translate 实现实时语音翻译
Google 推出了 Gemini 3.5 Live Translate，这是一款先进的音频模型，专为实时语音到语音翻译而设计。该新模型支持 70 多种语言，可以连续翻译，在不出现尴尬停顿的情况下保留说话者的语调和语速。Gemini 3.5 Live Translate 正在集成到 Google Meet 和 Google Translate 应用等各种 Google 产品中，并且通过 Gemini Live API 和 Google…
-
AWS 和 Stream 推出实时语音代理框架
Amazon Web Services 推出了一款新框架，通过集成其 Nova 2 Sonic 语音到语音模型与 Stream 的 Vision Agents 来构建实时语音代理。这种组合简化了开发流程，减少了对单独语音到文本和文本到语音服务的需求。该解决方案利用 WebRTC 实现低延迟、自适应音频流，适用于网络条件具有挑战性且支持多语言的生产环境。