电话里的「嗯嗯」「对对」、话说一半被接住、两人同时开口,这些它都是听真人录音自己学会的,没人给它写规则。
#全双工 5 篇
Bland 发布了第一款语音到语音模型 Tofu-1,专门做银行、医疗、保险、政府这类听错一句就要出事的电话:直接听声音,边听边说,边说边查。1 月初推出,Bland 称 92% 的人听不出它是 AI。
Nuplex 怎样把点头、目光和接话时机放进实时视频对话?结合完整主题帖、官方研究图与演示,讲清 Emma 的自然感从哪里来。
只靠人类对话声音训练,能边听边说,也会认错名字。结合四组发布资料和六段双语视频,理解 Dessa 的新意、声音反应与本地运行条件。
一分钟视频通话,54 人中有 26 人认为对面是真人。Griffin 怎样把声音、表情、手势和接话时机连起来?从原始演示到测试方法,讲清这次发布。