Qwen-Audio-3.0-Realtime 发布:懂倾听,更聪明的实时语音方案
我的贾维斯开源了,可以语音交互,控制多Agent编排【B站AI创造公开赛】
本地语音 AI 终于统一了! 实时对话、声音克隆、AI 翻唱8G 显存全跑通|audio.cpp|整合包
企业级Voice Agent 语音助手智能体实战项目,基于STT-Agent-TTS架构实战开发多模态语音智能体,全程干货无废话!AI大模型|智能体|多模态
全双工语音模型这么火,我也来鼓捣鼓捣
我给 DeepSeek V4 接上了耳朵和嘴巴:语音交互OS
语音大模型:从语音识别到全双工语音交互
本地语音 AI 又升级了!10个新模型、GGUF量化、流式ASR语音输入|audio.cpp
打造你自己的语音交互助手,实时对话-任意打断-多模态-多语种 | ASR-LLM-TTS大升级
🎙️ARVIS:免费、开源的全双工语音助手!https://github.com/GHJ20001017/Full-Duplex-Model
从零开始搭建一个实时语音智能体:ASR(语音识别), TTS(语音合成), 大语言模型(LLM)和流式管道
字节StepFun最新实时全双工语音助手StepAudio 3:196B参数实现边说边想边调用工具 【AI语音论文解读】
ESP32-S3 AI 语音对话全链路延时优化|调优 ASR/VAD/LLM/TTS,总时延压缩至 1~1.5s
LiveKit Agent 搭建 AI 语音通话服务|对接 ESP32-S3 实现全双工通信,任意终端均可接入对话
企业级 Voice Agent 智能语音Agent案例实战:STT→Agent→TTS三明治架构,手把手带你实战落地!
【生产力爆表】Qwen3-ASR Pro离线懒人包:长音频转写+最强角色分离+热词注入+文稿对齐,内网用户也可以放心跑!
Flowcat:Rust实时语音AI架构
P1 也许是延迟最低的语音对话系统?
EchoBot 开源二次元AI个人助手 Agent智能体 Skills 长期记忆 语音交互
AI大神Karpathy:语音交互时Agent下一个入口