豆包全量上线超拟人的「实时语音」，这就是中文的语音之王。
豆包全量上线超拟人的「实时语音」，这就是中文的语音之王。就在刚刚，豆包的超级实时语音全量上线了。
来自主题: AI资讯
10969 点击 2025-01-20 21:29
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
就在刚刚，豆包的超级实时语音全量上线了。
OpenAI Realtime API 的「说明书」。
今天，「天工大模型4.0」o1版/4o版在网页端和APP端正式上线了，人人可玩的那种。
家人们！OpenAI 这 12 天的连续剧大家都追完了吗？别急着下线！
你是不是以为发了GPT4.5？但很抱歉，今天只是发布了o1的API以及实时语音的新玩意。 还记得前段时间的OpenAI的DevDay吗？那上面曾经说过会更新OpenAI的API，现在期货交割了！这次OpenAI表现很好，才用了短短的一个多月就完成了交割，值得鼓励！（我是在吹不下去了。。。）
今天是美国的周一，本来以为会跟上周一样，挑选周一发个大货，毕竟上周就有爱好探索的网友发现 GPT4o 好像有了更新，已经开始说自己是 GPT4.5 了。
“它前进着，又跨过了新的一级台阶，耳边仿佛传来由远及近的低语：前方，即是世界。”
OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。
算起来，距离 5 月 14 日 OpenAI 发布 GPT-4o 高级语音模式已经过去了半年时间。在这期间，AI 实时语音对话已经成为了有能力大厂秀肌肉、拼实力的新战场。
Ichigo[1] 是一个开放的、持续进行的研究项目，目标是将基于文本的大型语言模型（LLM）扩展，使其具备原生的“听力”能力。