Type something to search...
to navigateto selectESC to close

Voice assistants

免费商用TTS模型：Kokoro TTS，让你的应用声动全球！

免费商用TTS模型：Kokoro TTS，让你的应用声动全球！

在文本转语音（TTS）技术的突破性发展中，Kokoro TTS模型已成为首个免费且可商业使用的TTS解决方案。Kokoro TTS建立在广受欢迎的开源StyleTTS框架之上，提供了无与伦比的灵活性和功能，适用于多种使用场景。让我们来探讨一下这个模型的独特之处、它的特点以及如何充分利用它。 什么是 TTS？ TTS，即文本转语音，是一种将书面文本转换为口语的技术。它广泛应用于以

阅读更多
如何利用交互式画布构建实时双子座 2.0 学习助手

如何利用交互式画布构建实时双子座 2.0 学习助手

Gemini 开发教程 V5 在本教程中，我们将继续使用 Gemini 2.0 及其多模态 Live API 构建迷人的实时聊天应用程序。这次我们将基于绘图画布构建一个具有实时语音和文本交互的学习助手。 您可能已经看过 OpenAI 的旧视频 https://youtu.be/_nSmkyDNulk，演示了 got-4o 如何通过提出引导性问题和提供提示来帮助学生在 Kh

阅读更多
我如何使用 ElevenLabs、Make.com 和 Twilio 快速构建客户支持语音机器人

我如何使用 ElevenLabs、Make.com 和 Twilio 快速构建客户支持语音机器人

作为一个自称的代码爱好者，我通常习惯于以传统方式构建项目——编写代码行，以便让我拥有完全的控制权和灵活性。从零开始解决问题带来了一种特殊的满足感。但偶尔，我会遇到一些工具，让我停下来重新思考我的方法。 最近，我测试了 ElevenLabs 的 AI agent feature，我必须承认——它让我印象深刻。在短短几个小时内，我能够创建一个能够 自动安排会议 和

阅读更多
语音转语音生成AI：理论与实践的惊人飞跃！

语音转语音生成AI：理论与实践的惊人飞跃！

探索语音到语音生成型人工智能的世界。了解构建应用程序的关键组成部分和实际考虑因素 介绍 生成性人工智能是当今最具变革性、快速发展的广泛应用技术之一。其影响力的一个关键原因在于它能够使人类使用自然语言与计算机进行沟通，从而使交互变得简单而直观。这种能力促进了它在日常生活和多个行业中的应用，涵盖了教育、医疗到娱乐等多个领域。 我们的交互方式最初是通过文本，依赖于大型语言模型（LLMs

阅读更多
如何使用 Google DeepMind Gemini 2.0 Flash Live API 进行实时对话

如何使用 Google DeepMind Gemini 2.0 Flash Live API 进行实时对话

Google DeepMind 的 Gemini 2.0 Flash API 代表了实时 AI 驱动对话领域的重大突破。它使开发者能够构建能够无缝处理实时音频交互的应用程序，提供了语音输入和输出的无与伦比的集成。无论您是在创建客户服务聊天机器人、增强无障碍工具，还是开发互动 AI 导师，这个 API 都是一个强大的基础。在本博客中，我们将探讨 Gemini 2.0 Flash API

阅读更多
ElevenLabs 对话式人工智能：在几分钟内构建智能、可扩展的语音代理

ElevenLabs 对话式人工智能：在几分钟内构建智能、可扩展的语音代理

你好，创作者们！ 🗣️ 我们与技术的互动方式正在改变，对话式 AI 正处于这场革命的最前沿。ElevenLabs 推出了一个尖端平台，使构建 AI 驱动的语音代理 比以往任何时候都更快、更简单。无论是用于客户支持、虚拟助手还是其他任何用例，ElevenLabs 让您可以专注于创造力，同时处理技术上的繁重工作。 让我

阅读更多
打造未来：使用 LangGraph 开发自己的语音助手

打造未来：使用 LangGraph 开发自己的语音助手

今天，语音助手已经发展成为智能系统中需要先进自然语言处理的基本组成部分。本文提供了使用 LangGraph 开发语音助手的技术指南，LangGraph 是一个旨在管理复杂代理系统的编排框架。在整个文本中，我们将探讨 LangGraph 如何实现多个节点的协调，从而创建高效且高度可扩展的流程。本指南面向希望利用 LangGraph 功能在 AI 环境中实施解决方案的开发者。 什么是 L

阅读更多
在本地构建会说话的语音人工智能助理：具有流光溢彩用户界面的记忆保持聊天机器人...

在本地构建会说话的语音人工智能助理：具有流光溢彩用户界面的记忆保持聊天机器人...

开发您自己的具有上下文记忆和实时聊天功能的语音 AI 的逐步指南，基于 Llama3.1 和 Llama3.2 模型 👨🏾‍💻 GitHub ⭐️ | 👔LinkedIn |📝 [Medium](https://med

阅读更多
GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

如何设置 GLM-4-Voice 9B 以实现无缝的实时语音交互，支持英语和中文，并探索其独特的架构、低延迟响应和可定制的声音属性。 介绍 近年来，语音启用的人工智能取得了显著进展，使对话代理能够更好地理解和响应人类语言。从虚拟助手到客户服务机器人，语音人工智能已成为各个行业的重要工具。然而，大多数模型在流利地切换语言、理解口语查询的细微差别以及提供高质量响应方面仍然

阅读更多
OpenAI 实时 API（语音模式），Colab 入门

OpenAI 实时 API（语音模式），Colab 入门

您需要了解的一切，以及在 Colab 上运行 OpenAI 语音模式 API 的动手介绍。 OpenAI 最新的开发为我们带来了 实时 API，旨在允许开发者在他们的应用中创建 快速、无缝的语音到语音体验。该 API 旨在简化多模态对话功能的开发，使构建自然的实时语音交互变得更加容易。 在这篇博客中， 我将涵盖有关此新 API 的 主要问题，包括

阅读更多