8月6日，豆包正式宣布，视频通话功能升级，接入原生音视频全双工大模型SeedRealtime。 据介绍，SeedRealtime大模型支持音视频联合理解，能够识别对话对象，判断应该聆听、什么时候进行回复或是保…
为了让生成式 AI 更容易读取广告主信息，在专题页和其他栏目中，页面还包含问答格式的赞助信息。
豆包介绍称，该模型上线后，豆包视频通话可以在连续变化的真实场景中实现更自然的连续交互，边看、边听、边说，所有用户均可体验。
在多人聚会场景中，模型能够识别不同人物身份并持续对应发言者；帮助外国游客实时理解中文菜单和服务员介绍；在博物馆中持续观察镜头画面，识别指定文物后主动提醒；辅助用户操作咖啡机并根据画面变化实时纠错；阅读论文时…
模型能够结合画面、声音和时序信息理解用户意图，例如利用视觉信息消除同音词歧义、识别手势和指代对象，并持续跟踪画面变化，在目标出现时主动提醒用户。
阿里云发布Qwen-Audio-3.0-Realtime：毫秒响应不掉智，自主调用工具更智能
千问Qwen-Audio-3.0-Realtime正式发布
阿里发布实时语音交互对话模型Qwen-Audio-3.0-Realtime，号称懂倾听、更聪明
阿里升级Fun-ASR-Realtime语音识别模型，支持30种语言+16种方言
苹果升级iOS 27版FaceTime：视频通话可同时调用前后摄像头
5月21日消息，近日，阿里巴巴语音大模型Fun-Realtime-ASR和Fun-Realtime-AudioChat在全球权威AI评测平台Artificial Analysis登顶，超越GPT-Realti…
06/25 00:17
06/25 00:16
06/25 00:15
京公网安备 11011402013531号