DeepSeek会说话了！只要2行代码，这家公司让任意大模型秒开口
DeepSeek会说话了！只要2行代码，这家公司让任意大模型秒开口在AI行业新诞生的「多模态交互」赛道上，声网发布的「对话式AI引擎」，让所有文本大模型秒变多模态，具备实时语音对话能力，补齐了大模型「失语」的短板。
来自主题: AI资讯
8336 点击 2025-02-26 14:46
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
在AI行业新诞生的「多模态交互」赛道上，声网发布的「对话式AI引擎」，让所有文本大模型秒变多模态，具备实时语音对话能力，补齐了大模型「失语」的短板。
早上MiniMax上线TTS，字节上线AI编程Trae；下午字节全量上线豆包实时语音；晚上DeepSeek开源R1性能直接对标OpenAI o1，然后Kimi的k1.5直接正面硬刚。昨天的余温还没过，今天下午，腾讯混元又悄悄开了个闭门发布会，作为混元的老基友，我自然是受邀参加期期不落。
就在刚刚，豆包的超级实时语音全量上线了。
OpenAI Realtime API 的「说明书」。
今天，「天工大模型4.0」o1版/4o版在网页端和APP端正式上线了，人人可玩的那种。
家人们！OpenAI 这 12 天的连续剧大家都追完了吗？别急着下线！
你是不是以为发了GPT4.5？但很抱歉，今天只是发布了o1的API以及实时语音的新玩意。 还记得前段时间的OpenAI的DevDay吗？那上面曾经说过会更新OpenAI的API，现在期货交割了！这次OpenAI表现很好，才用了短短的一个多月就完成了交割，值得鼓励！（我是在吹不下去了。。。）
今天是美国的周一，本来以为会跟上周一样，挑选周一发个大货，毕竟上周就有爱好探索的网友发现 GPT4o 好像有了更新，已经开始说自己是 GPT4.5 了。
“它前进着，又跨过了新的一级台阶，耳边仿佛传来由远及近的低语：前方，即是世界。”
OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。