voice

一个泄露版 ChatGPT 搭载了 Bidi-1 语音模式，其声音逼真得令人不安，超过了此前的泄露版本。

即将推出的GPT双向语音模型的一个示例已被展示。

本文讨论了语音作为AI智能体输出层未被充分利用的潜力，重点介绍了超越简单文本转语音的实际用例和工作流程挑战。

VoiceDraw 是一款工具，在你说话时自动绘制系统设计图，并记录推理过程和权衡取舍。

Cotypist 是一款 Mac 应用，提供本地 AI 自动补全功能，通过语音实现系统任意位置的免提文本补全。

Juno 是一款适用于 Mac 的免费本地语音层，让用户可以通过说话而非打字与电脑交互。

Discord将其超过80%的语音和视频流量迁移至Cloudflare覆盖300多个城市的边缘网络，显著降低了全球延迟和丢包率，例如法兰克福的ping值降低了34%。

一个完全离线、仅使用CPU的语音循环，用于本地大模型，采用Silero VAD、Parakeet STT和Supertonic TTS，通过一条命令整合安装。兼容Ollama、LM Studio以及多种代理框架。

Krisp 推出专为高精度设计的实时语音到语音翻译 API。

Carbon Voice 推出了快速拨号功能，支持通过语音通信快速联系人类团队成员和AI智能体。

描述了一个多智能体系统，其中十二个智能体共享一个语音文件且没有记忆，每个智能体从零开始独立行动，身份锚定在文档中而非智能体本身。

一种让用户通过口头说明来处理文书工作的工具，使流程更高效且更具交互性。

Antigravity 2.0 是一款全新的桌面应用，专为 AI 代理、语音、任务和 Google 应用而打造。

Antigravity 2.0 是一款全新的独立桌面应用，基于多智能体团队、定时任务、原生语音以及一键集成 Google 产品重新构建。

AgentPhone 推出了一项API，为AI代理提供专属电话号码和身份，使其能够跨iMessage、WhatsApp、RCS和SMS等渠道拨打电话和发送消息。

OpenAI 推出实时 API，使开发者能够构建低延迟多模态语音对话体验，由 GPT-4o 驱动的自然语音交互。该 API 支持六种预设声音，简化开发流程，无需集成多个模型。