real-time

这篇综述论文评估实时语音代理，通过提出一个分类法和一个名为TRG的最低报告标准，以解决语音建模、轮次转换和代理评估社区中的碎片化问题。

Sayble 是一款 AI 助手，在销售通话和会议中提供实时建议，并支持自动总结和邮件生成。它支持多平台和多种语言，以提升沟通生产力。

一个具有实时虚拟形象的开源语音AI代理能够实时看、说、思考和绘画，并支持多语言交互，例如在通话中途切换到印地语。

一个免费的网页应用，将动画像素艺术城市夜景与使用AI在浏览器中实时生成的无尽lofi音乐配对，为工作或放松提供平静的背景。

Google 推出 Gemini 3.8 Live with Live Avatar，这是一项更新，将实时视觉虚拟形象集成到对话式 AI 中，通过唇形同步、多语言支持和异步工具执行等功能增强交互，适用于企业应用。

OdysseyML 推出了 Agora-2，一个下一代多智能体世界模型，支持多达20个人类和智能体在共享模拟环境中实时互动，多人研究预览现已可用。

Nagi 是一个全新的开源快速决策模型，在实时游戏场景中持续优于其他模型，如 laya 和 semif。

NVIDIA 发布了 Nemotron 3 Diarization，这是一个开源100M参数模型，实现了最先进的说话人识别，错误率为14.72%，支持最多八名说话人的实时和离线处理。

开源 Audio8 ASR Infinite，一种具有超低延迟、无限制音频支持、24/7转录和内置语义轮次检测的语音识别工具，据称是流式ASR的新技术标杆。

OpenTrainDNN 是一个开源的客户端Web应用，它能在浏览器中实时可视化深度神经网络的训练过程，包括反向传播和权重更新。

使用Claude Opus 5.5生成的提示词可创建一个鹈鹕骑自行车的交互式3D场景，包含物理模拟、成就系统及基于浏览器的实时音效。

NetEase Youdao的开源AI模型R2T2和T3PO在Hugging Face的语音识别和翻译排行榜上名列前茅，凭借令人印象深刻的实时性能和稳定性超越了主要竞争对手。

Speechka是一款实时语音翻译工具，能够模仿用户的声音，支持44种语言，适用于macOS、Windows和浏览器。

PixVerse R2 引入了一种统一的缩放架构，用于实时视听世界模型，利用块稀疏注意力机制和持续预训练来增强视频生成和交互控制。

InstinctFlash是一个高性能的机器人模型服务框架，可在Jetson Thor上实现实时推理5B世界动作模型，据报道速度提升高达33.78倍。

Yohei Nakajima 发推分享了一种快得足以用于实时情感检测的技术，强调其性能为实时。

这篇帖子比较了 AI 模型 Jev 和 Laya，突出了 Laya 在实时游戏决策中的开源、本地和低延迟能力。

本文探讨了在时间触发通信系统中预防胡言乱语故障的方法，以增强系统的可靠性与安全性。

Marcus Ng和Jamie Cai通过构建Adlib赢得了$10k并成为HackTheNorth的半决赛选手。Adlib是一个工具，可以从口语实时创建流程图、图表和图形，以替代传统的幻灯片。

R2T2 是一个低延迟、高精度的实时语音识别模型，它以小块处理音频并直接提交文本，无需修改，适用于实时字幕和翻译等应用。