real-time-speech

Dessa 是一种可在消费级 GPU 上运行的全双工语音到语音模型，被誉为语音领域的 GPT-3 时刻。

Google Devs 分享了一条推文串，展示了团队使用 Gemini 模型创建的各种实验性构建和工具，涵盖从交互式 3D 世界到实时语音应用等场景。

Inworld 已收购实时语音智能体平台 Ultravox，并将其内置语音迁移至 Realtime TTS-2。Realtime TTS-2 支持以自然语言内联指令，在对话过程中实时控制语速、语调和情感表达。