Boson AI CEO Smola 谈语音 Agent 到 AI 数字人的延迟与情感智能挑战
TWIML AI Podcast · rss · 2026-09-17
TWIML AI Podcast 第 777 期邀请 Boson AI 联合创始人兼 CEO、CMU 教授 Alexander Smola，探讨从语音 Agent 到视听 Agent 与 AI 数字人的演进路径。
- 实时语音的技术权衡：音频 tokenization、延迟、模型规模与推理成本之间的取舍，是实现自然对话体验的核心难题
- 加入视觉后门槛更高：当系统既能看又能被看到时，小延迟、尴尬打断、语气不对都会更快打破真实感
- 其他议题：AI 的情感智能、Agent 如何从与人的交互中学习，以及如何跨越「惊艳 demo」与「真正自然的交互」之间的鸿沟
「漫话AGI」频道最新
- 个人 Agent 赛道同质化刷屏,创业者感叹软件趋势被实时商品化 — signulll · 2026-09-17
- Burkov:循环 Transformer 或让 7B 模型回归并真正胜任编码 — burkov · 2026-09-17
- Gemini 搜索引用「Emergent Mind」编造基线数据,研究者吐槽信息环境恶化 — anshulkundaje · 2026-09-17
- 观点交锋：模型作弊或是机制设计缺陷，该奖励而非惩罚 — flowersslop · 2026-09-17
- 贝索斯驳斥 AI 取代人类论：AI 反而将造成劳动力短缺 — inductionheads · 2026-09-17
- TMLR 编辑花 25 小时访谈作者，证实大量低质投稿者根本不懂自己的论文 — TuhinChakr · 2026-09-17