一年 29 款语音到语音模型发布,全双工正加速追赶级联方案
rdesh26 · x · 2026-11-05
yizbebuilding 整理了过去一年(2025年11月-2026年10月)所有以 speech-to-speech 或全双工为卖点的模型发布,共 29 款,并附时间线图。图中包括 OpenAI GPT-Realtime 系列、xAI Grok Voice 1.0-3.0、Google Gemini Live 系列、Amazon Nova Sonic 系列、字节 Seedduplex/SeedRealtime、阿里 Qwen-Audio 系列、NVIDIA PersonaPlex/NemoTron、KRAFTON SpeechChat-9B、Thinking Machines TML-1 等产品,覆盖 s2s-only、full-duplex-only 与两者兼有三种定位。作者发问:s2s 模型何时能在生产环境中超越级联(cascade)方案?
「多模态」频道最新
- 一句话生成整座 3D 山谷：Hy4 无模型无贴图纯代码造世界 — Aiden_Tech_Ai · 2026-11-05
- 零基础新手用 Claude 10 分钟做出广告片，先 480p 草稿再 1080p 成片 — PrajwalTomar_ · 2026-11-05
- 10 个开源语音 AI 仓库：语音克隆、实时对话智能体一应俱全 — victor_explore · 2026-11-05
- 生成式世界 demo 展示雨后河畔：背包里有弓箭鱼竿还能骑摩托 — wavefnx · 2026-11-05
- Blender 5.3 将原生支持 Gaussian Splatting,SuperSplat 扩展简化导入 — willeastcott · 2026-11-05
- 商汤开源 SenseNova 6.8 Code2Video:代码优先的可控视频生成 — s_mohinii · 2026-11-05