@ting_:我们的全双工语音 AI 来了,它能分辨什么时候有背景噪音、什么时候你在和别人说话,以及什么时候……
摘要
MOSS 宣布推出全双工实时语音 AI MOSS-Live,它能够同时聆听、说话和处理任务,并能识别背景噪声和自然打断,目前已开放 API 访问。
查看缓存全文
缓存时间: 2026/11/02 14:17
我们的全双工语音 AI 来了 🤯
它知道什么时候有背景噪音,什么时候你在和别人说话,什么时候你是真的在和它说话。就像真人一样。
我们在开发者预览会上现场演示了 moss,大家居然鼓起掌来,仿佛我们刚在戛纳首映了一部获奖电影 😭
API 也已开放,快来看看👇
MOSS (@MOSS_Global): MOSS-Live 来了。我们的全双工实时语音 AI 能同时倾听、说话和办事。🎙️
当任务在后台运行时,它可以继续倾听、看你所见,并与你交谈。 • 自然对话:它能辨别真正的打断
相似文章
OpenAI的新语音模型不止于回话
OpenAI推出了三个新的实时音频模型,支持连续、多任务的语音交互,优先考虑长上下文推理、实时翻译和无缝工具使用。
@MosiAI_Official: MOSS-TTS Local Transformer v1.5 现已推出。克隆任意声音。说任何语言。听到每一个细节。30多种语言,48 kHz …
MosiAI发布了MOSS-TTS Local Transformer v1.5,这是一款支持语音克隆、30多种语言以及48 kHz高质量输出的文本转语音模型。
@YichiZ03: https://x.com/YichiZ03/status/2078588932191895976
MOSS-TD是一个说话人感知的ASR系统,在SGLang-Omni服务栈中进行了优化,能够在单张H100上以约49秒转录38分钟的多说话人音频,并支持16个会议的并发处理。
微软测试新的 MAI Realtime 语音模型(2分钟阅读)
微软正在其 MAI Playground 上以早期访问形式测试一款新的原生实时语音模型 MAI Realtime。该全双工系统支持多种语言、低延迟和可配置的轮流对话,定位为 OpenAI GPT Live 和 Sesame 的竞争对手。
@svpino:为什么这么多AI电话智能体在你打断它们之前听起来很聪明?即使这些智能体给出合理……
Deepgram发布了Flux TTS,一种流式、对话原生的文本转语音模型,能跨对话轮次保留语气、节奏和上下文,处理打断,并实现低至80ms的延迟,让语音AI感觉更自然。