热搜话题榜单

谷歌开发实时语音翻译Android应用

北京时间9月9日早间消息，据国外媒体报道，谷歌正在为Android系统开发一款实时语音翻译软件，手机在安装该软件后可立即将用户语音翻译为目标语言。

Byrdhouse官网体验入口 AI实时语音翻译和字幕翻译免费在线使用地址

Byrdhouse是一个先进的AI语音翻译平台，旨在提供实时语音和字幕翻译服务。支持100多种语言，它特别适用于会议、通话和聊天等多种场合。要获取更多信息并体验这一领先的AI语音翻译技术，请访问Byrdhouse官方网站。

Google都比不上？日本团队推可穿戴实时语音翻译设备

据Futurism消息称，日本团队Logbar开发了一款可穿戴式翻译设备：ILI。据了解，这款名为ILI的可穿戴设备能够在离线（无wifi）环境下做到连Google Translator都无法做到的实时语音翻译，而且还能保证高质量的精准翻译结果。

Skype Translator：实时语音翻译神器能否解除“巴别塔魔咒” ？

倘若互联网发展的底层逻辑是将全人类更好地连接在一起，形成一个巨大村落，那么语言也许就是最后一个技术障碍。Skype Translator的翻译逻辑主要分为三步：将你的实时语音转成文字；将文字翻译成另一种语言的文字；将文字转成语音。其中，识别实时语音并转成文字是最棘手的部分。

谷歌翻译将面向安卓用户推出实时语音转录功能Transcribe

谷歌翻译日期那发布了面向安卓用户的语音转录功能应用 Transcribe，该功能可以实时翻译和转录音频。

谷歌翻译应用获重大更新：支持实时语音转文本

【TechWeb报道】1月12日消息，据《纽约时报》报道，继微软Skype上个月推出了英语和西班牙语之间的实时翻译功能之后，谷歌也将推手机版谷歌翻译软件进行更新，而更新的一个重大功能就是，支持语音实时转录成文本。

AI实时语音字幕翻译工具免费使用地址 Byrdhouse官网体验入口

Byrdhouse提供了基于AI的实时语音翻译和字幕翻译服务，支持超过100种语言，极大地便利了国际会议、多语种团队沟通和跨国公司内部交流等场景。Byrdhouse的目标是解决实时翻译中的难题，让用户可以专注于与全球团队和国际合作伙伴的沟通协作。要获取更多详细信息并开始使用Byrdhouse，请访问Byrdhouse官方网站。

Meta发布全新AI翻译大模型，实时语音转换不超2秒

Meta最新发布了一系列AI翻译大模型，标志性地实现了实时语音转换延迟不超过2秒的能力。这一系列模型名为SeamlessCommunication，包括SeamlessExpressive、SeamlessStreaming、SeamlessM4Tv2和Seamless，其中前三个已经在GitHub上开源。这一技术创新为未来语音翻译和交流领域带来了更加广阔的可能性。

解码谷歌即时语音翻译：做产品如调校高级跑车

我们想知道，一个念头是如何破茧而出，最终发展成为优秀的产品。在这背后又有着怎样的技术与思考？我们想知道，成长道路上的合作、碰撞与收获。为此新浪科技推出《科技开讲》系列访谈，希望能远离喧闹纷繁的商战，寻找IT企业的灵魂。

Android版谷歌翻译支持14种语言语音翻译

通过这一新功能，说不同语言的人将可以直接交流。此前，谷歌翻译的这一功能仅支持英语和西班牙语。目前支持的语言还包括巴西葡萄牙语、捷克语、荷兰语、法语、德语、意大利语、日语、韩语、汉语普通话、波兰语、俄语和土耳其语。

豆包实时语音大模型正式上线！端到端语音对话 情商智商双高

今日，字节跳动豆包大模型团队宣布，豆包实时语音大模型今日正式上线，并在豆包App全量开放，将App升级至7.2.0版本即可体验。豆包实时语音大模型是一款语音理解和生成一体化的模型，实现了端到端语音对话。豆包大模型团队也坦言，现阶段的模型主要支持中文，其他语种尚未较好支持，中文范围内，模型也仅支持小部分方言和地方口音的理解和表达。

天工版o1、4o同时上线！超强逻辑推理秒杀数学竞赛，实时语音陪聊太上头

【新智元导读】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。2024中国互联网价值榜发布。在这条通往AGI的道路上，他们正在用技术创新和产品落地，一步步将愿景变为现实。

AI日报：​​阿里推新多模态大模型Ovis；Kyutai开源实时语音对话模型Moshi；Apple Intelligence测试版现已开放

欢迎来到【AI日报】栏目!这里是你每天探索人工智能世界的指南，每天我们为你呈现AI领域的热点内容，聚焦开发者，助你洞悉技术趋势、了解创新AI产品应用。新鲜AI产品点击了解:https://top.aibase.com/1、阿里国际推出最新多模态大模型Ovis，看菜品就能提供烹饪步骤阿里国际AI团队发布了多模态大模型Ovis，为各行业带来新机遇。英特尔在2024年计划中稳步推进，展望2025年推出的FalconShores将进一步提升其在AI领域的竞争力。

腾讯实时语音编码大突破：电梯、地库里通话也不卡顿

腾讯宣布，腾讯主导的新一代实时语音编码行业标准AVS3P10，即将正式对外发布。由腾讯会议天籁实验室携手腾讯AILab研发的Penguins编解码器，把经典信号处理和最新的深度学习技术结合在一起，突破了传统编码器的天花板。AVS3P10标准，原型是腾讯首款神经网络语音编解码器腾讯会议PenguinsAl语音引擎，在稳定服务腾讯会议、QQ语音通话亿级用户后，开始用这项技术推动行业发展。

Cartesia发布低延迟语音生成模型Sonic 要复刻ChatGPT实时语音聊天？

Cartesia发布了一个名为Sonic的低延迟语音生成模型，该模型以其快速的推理速度和超低的延迟引起了广泛关注。Sonic的延迟仅为135毫秒，能够生成具有逼真情感和表达能力的语音。他们希望能够实现对任何形式的模态进行即时理解和生成，进一步推动实时智能的发展。

实时语音变换器Supertone Shift 可将实时变化直播说话声音

SupertoneShift是一款创新的实时语音变换技术产品，它允许用户即时切换到任选的声音，为虚拟主播、内容创作者、游戏玩家以及希望准确表达角色声音的用户提供了强大的支持。官网：https://product.supertone.ai/shift主要功能实时语音变换:SupertoneShift支持用户即刻切换到选择的声音，进行实时语音变换，非常适合需要即时变声的场景。SupertoneShift目前提供开放测试版，用户可以下载并

WhisperKit开源！可在iPhone和Mac流畅体验实时语音转录

由于对Whisper推理在生产中的迅速增长需求，Argmax公司决定将其作为首个项目，并于宣布将WhisperKit项目以MIT许可证的形式开源，进入beta测试阶段。WhisperKit是一个用于实现在设备上进行语音推理的开源工具，旨在通过最小的摩擦和最大的性能提高，使开发者能够轻松改进和部署快速、免费且几乎无错误的翻译和转录服务。在稳定版发布之前，WhisperKit计划引入性能报告创建、异步批处理预测、watchOS示例应用以及Metal-based推理引擎等功能。

WhisperFusion官网体验入口 AI实时语音转文字在线使用地址

WhisperFusion是一款基于WhisperLive和WhisperSpeech功能的产品，通过在实时语音转文字流程中集成Mistral大型语言模型来实现与AI的无缝对话。Whisper和LLM均经过TensorRT引擎优化，以最大程度提升性能和实时处理能力。torch.compile：WhisperSpeech使用torch.compile来加速推断，通过将PyTorch代码即时编译为优化内核，使PyTorch代码运行更快。

米可智能体验入口 一站式语音翻译、音色定制、配音工具在线使用地址

米可智能 是由人工智能驱动的一站式语音翻译、音色定制、配音等音视频服务工具。通过AI技术，米可智能将复杂操作极致简化，提高工作效率超过90%。功能包括语音翻译，将音视频的语音翻译为其他语言的语音，全流程AI驱动，精准度超过98%；音色定制，定制个性化的音色，用于语音翻译、配音等功能；语音合成，将文字转为自然生动的语音。产品定价合理，使用场景广泛，

ElevenLabs推AI工具“AI Dubbing”，可将语音翻译成20多种语言

美国初创公司ElevenLabs日前推出了一款名为“AIDubbing”的产品，该产品可以将任何语音内容翻译成20多种不同的语言。这一工具面向所有平台用户开放，被视为是改变语音配音领域的创新之举。AI配音工具的出现无疑为这个市场带来了更多可能性。