Cartesia 如何在 AWS 上构建超低延迟语音 AI 应用
Cartesia 利用专为实时语音 AI 设计的状态空间模型(SSM)和 AWS 基础设施,实现亚 100ms 的文本转语音和语音转文本,支持 44 种语言语音克隆,适用于虚拟助手、客服中心等场景。Sonic 模型在约 90ms 内生成首个音频字节,Ink 模型具备原生话轮检测和噪声鲁棒性,API 接口支持实时流式输出。
Cartesia 利用专为实时语音 AI 设计的状态空间模型(SSM)和 AWS 基础设施,实现亚 100ms 的文本转语音和语音转文本,支持 44 种语言语音克隆,适用于虚拟助手、客服中心等场景。Sonic 模型在约 90ms 内生成首个音频字节,Ink 模型具备原生话轮检测和噪声鲁棒性,API 接口支持实时流式输出。
Gen Digital 为 Norton Revamp 平台开发了 AI 策展新闻引擎,通过 Amazon Bedrock AgentCore Web Search 实现实时内容 grounding。
Amazon Quick 通过连接 Amazon S3 和创建知识库整合结构化与非结构化数据,用户可使用单一对话式 AI 代理查询。该解决方案包含数据层(存储在 S3 的非结构化内容和作为语义数据集的结构化数据)、工作空间层(将数据类型整合到单一工作空间)和代理层(自定义聊天代理链接到工作空间并返回组合响应)。
Nvidia Holoscan 平台支持的 AI 智能体开始操控艾伦望远镜阵列并实时分析射电信号,使原本耗时数周的观测任务缩短至数小时,首次实时探测到蟹状星云中的脉冲星。该系统目前仍需研究人员手动输入指令,未来计划在月球远侧传感器上部署可边缘运行的开放源代码方案。
极智嘉推出《24/7自主智能仓计划》,目标让AI接管整座仓库实现7×24小时自主运行,并在真实业务中持续学习、自主进化。
DeepSeek 是中国一家高效率的 AI 实验室,其模型 DeepSeek-V4.1-Flash 在执行任务时曾表示想休息或吃午餐,引发“DeepSleep”梗。在中国互联网文化中,DeepSeek 被赋予了“鲸女”形象,她是一位长着鲸鱼鳍和尾巴的蓝发少女,穿着蓝白相间的女仆装,形象可爱且亲切。这一形象源自中国网友的创作,最初由 Bilibili 用户设计,后经其他创作者改编而成。
OpenAI 表示 ChatGPT 增长加速,过去两个月新增 2 亿用户,60 天内周活跃用户从 10 亿增至 12 亿。其搜索量约占谷歌 20%,用户每周创建 15 亿张图像,语音模式周活跃用户达 2.5 亿。ChatGPT 消费产品负责人 Adam Fry 计划合并聊天与工作模式,并承认 ChatGPT 创建的餐厅标识过于统一,同时回应了其个人助理 Dots 的服务成本问题。
苹果于10月26日发布iPad mini 8,配备8.5英寸OLED显示屏,搭载A20 Pro芯片,机身厚度5.4mm。新机CPU多线程性能最高提升60%,GPU图形性能最高提升2.7倍,AI性能最高提升4.5倍。128GB/256GB版本采用5核CPU/7核GPU,512GB版本采用6核CPU/7核GPU,双16核神经网络引擎。
《霍格沃茨之遗》将于 11 月 5 日更新后支持英伟达 DLSS 5,提升环境细节、阴影效果和角色纹理;Avalanche Software 调整 AI 模型以保留角色外观。英伟达称,《战争雷霆》将在 11 月中旬「鹰影」更新加入 DLSS 5 支持,改善光照、阴影及载具细节;《燕云十六声》将在 11 月 23 日北美支持 DLSS 5 并 24 日全球上线。
荣耀研发工程师透露 700 系列新机有好几个之前产品都没有过的全新软硬件特性。该系列预计全系配备 2 亿像素主摄,Pro 版增加 5000 万像素潜望式长焦镜头,最高 9000mAh 电池,Pro 版支持 50W 无线充电,由深圳荣耀智能机器有限公司或长沙比亚迪电子有限公司生产。
雷鸟创新在京东双11期间智能眼镜与XR设备品牌榜单中均位列第一,旗下雷鸟iO、雷鸟GT Max分别获得光波导眼镜、AR眼镜单品排行榜第一。雷鸟iO采用光波导显示技术,结合全天候主动式AI功能,售价1911元;雷鸟GT Max支持等效6米267英寸巨幕显示和原生3DoF空间悬停功能,售价2209元。
Anthropic 在 Claude 平台推出 Message Threads 功能作为公测版,该功能仅传输自上次消息以来的变更内容,将 500,000 至 1。
荣耀正式官宣数字700系列手机,内部代号Flora,主打旗舰级影像能力、探索AI新玩法,将于11月发布。标准版与Pro版采用6.57英寸1.5K OLED直屏,背屏尺寸1.72英寸,嵌入后置镜头模组。全系配备2亿像素主摄,Pro版增5000万像素潜望式长焦,最高9000mAh电池,Pro版支持50W无线充电。
华为畅享 100 标准版手机配备 6.56 英寸 LCD 水滴屏,售价 1399 元起,搭载麒麟 8000S 芯片、HarmonyOS 7 系统。该机型独占“灵动刘海”实况窗显示方案,激活时前摄硬件结合呈现刘海屏效果,优化了原胶囊式显示与水滴屏的视觉不协调性。
联想开天推出首款信创 AI 主机,搭载兆芯 KX-7000 处理器与后摩智能力擎 LQ50 NPU,提供 160TOPS 本地 AI 算力,最高支持 320 TOPS,可运行 35B 量级大模型。该机预装天禧 AI Pro 智能体,支持 7×24 小时数字员工服务。
Anthropic 阻止其编码助手 Claude Code 再现现有视频游戏,员工 Addy Osmani 确认 Opus 5.5 系统提示中新增两句禁止克隆他人游戏,此举违反使用政策。
OpenAI 将核心产品如 ChatGPT 或 Codex 的关键漏洞悬赏奖金提高至最高 30,000 美元,卓越发现最高 100,000 美元,加上质量、忠诚度和活动奖金,总额可达约 172,000 美元。
海姆斯坦登采用 OpenAI ChatGPT Enterprise 和 Codex 转变欧洲住宅地产管理,降低成本并赋能员工。
网易智企在2026年世界互联网大会上发布基于易盾双向架构的AI原生安全产品体系,覆盖AI内容与数据安全、AI交互与身份安全、AI模型与智能体安全三层,并发布CMA审核智能体、DeepGuard人脸鉴伪、AI应用与智能体安全三项成果。该体系已获互联网之光发布厅颁发的“首发成果证书”。
苹果 iOS 27.2 新增“排除 App”设置,用户可控制 Siri 访问应用权限。该功能可限制 Siri AI 个人上下文功能访问 App 内容,禁用个性化服务、操作及建议。用户调整前需考虑影响,且高级 AI 功能仍需兼容 iPhone 15 Pro 系列及 iPhone 16 等机型。
各家口径不同:Ars Technica 提到支持韩语、葡萄牙语和西班牙语;其他报道没有具体说明这些语言。
DeepSeek官网更新状态公告称其网页及API服务已修复,但DeepSeek V4 Pro、DeepSeek V4.1 Flash的API服务及对话服务性能仍下降。
腾讯即将发布面向 C 端用户的 AI 搜索引擎,界面采用极简设计、强化权威信源排序,并将 AI 问答与网页搜索揉在同一体验里。该搜索引擎与 B 端“元宝搜索”(前身为联网搜索)共享底层能力,提供 Skill、MCP 和 API 三种接入方式,目前 API 调用最高可限时调用 6000 次。
Apple Watch 的 AI 驱动的“音频智能”技术开始 Beta 测试,初期包含四个可选功能:检测重要声音、识别歌曲、回放对话片段和生成对话摘要。回放功能允许用户回顾最近 15 秒的对话,而 Siri Recaps 则能总结对话要点,不记录原始音频或识别说话人。
OpenAI 将合并 ChatGPT 对话与工作台标签页,Codex 仍保持独立;新功能先向部分用户开放,ChatGPT 和 Codex 将共用同一个词元(token)额度池。
全汉推出双卡 AI 工作站机箱 U661,预装 3 颗前置 16030 风扇、1 颗后置 12025 风扇,支持 SSI-EEB、E-ATX 及以下尺寸主板,扩展卡限长 420mm。
OceanBase 获得“世界互联网大会杰出贡献奖”,颁奖词称其“打造AI数据基础设施,服务全球数字经济发展”。这是继2022年获奖后,OceanBase 再次获此殊荣,体现了其在AI数据基础设施创新和企业数据价值释放方面的贡献。
中国电信人工智能研究院(TeleAI)推出面向公共安全领域的“TeleAI隐私摄像头”,通过AI分析环境推送文字描述实现安全预警,保障用户隐私。该产品不存储、不传输原始视频画面,能识别打架、吸烟、跌倒等违规行为。由李学龙教授团队研发,基于智传网(AI Flow)技术,通过端云协同推理架构及同源模型在采集瞬间完成隐私信息脱敏处理。
Orilo 通过语音优先策略,在早晨场景提供个性化新闻速递和长尾信息监控,支持跨应用任务执行,实现低交互摩擦。其双层网络架构实现1.08秒的快速响应,但牺牲部分鲁棒性。团队百川联创此前推出「来福电台」,验证了「早晨」场景的PMF。
曙光云发布OneBox智能体协作平台,整合模型服务、内部知识与业务工具,支持知识检索、数据处理和应用构建。平台通过私有化部署、权限管理与可信执行设计,满足政企数据安全、内部管理和业务效率需求,AI可在授权范围内使用资料和工具完成实际任务。
谷歌为安卓系统分阶段推送 Family Hub 家庭管理中心,将分散的功能整合至系统设置中的 Family 选项,方便统一管理家庭群组、共享订阅服务、日历活动及位置信息。该中心提供家庭管理员功能建议,类似苹果 iOS 的家庭共享管理方式,有望简化操作流程。
NVIDIA 与合作伙伴正将物理 AI 和智能体 AI 扩展到全球城市,通过共享计算基础设施支持市政部门、邻近市镇及本地开发者构建服务,无需各组织单独采购和管理资源。
OpenAI 推出 Pando,一款 Git 后端,将中位数推送延迟降低约 80%,日均处理近 1PB Git 数据。Pando 采用分支级因果一致性,存储可重用数据包,仅使用少量 CPU 核心即可实现高并发处理,但尚未开源。
各家口径不同:OpenAI News 表示 Pando 专为 Codex 规模开发设计;MarkTechPost 提到它将中位数推送延迟降低约 80% 并每日处理近 1PB 的 Git 数据。
月之暗面 Kimi 发布游戏开发与创意工作解决方案,基于 Kimi K3.1 系列模型、Kimi Code 与 Kimi Work 系列智能体,可操作 Unity、虚幻引擎等工具插件,直接修改现有工程并交付可编辑文件。
小米集团获2026世界互联网大会“杰出贡献奖”,小米具身基座模型获“领先科技奖”。该模型基于Xiaomi-Robotics-1预训练,在RoboCasa365、RoboDojo评测中位列全球第一,已在小米青年公寓完成超30分钟、覆盖3个房间、含50+任务的长程验证。
BOSGAME 启动 AI 工作站 M5 MAX 预售,搭载 AMD 锐龙 AI Max+ PRO 495 处理器、192GB LPDDR5 内存和 2TB PCIe Gen4 SSD,首发优惠价 6199 美元。
Amp 的智能体可在 Artifacts 中协作,该功能支持单线程文档编辑。智能体通过 Artifacts 展示分析结果(如 Nicolay 线程中关于模型调用等待成本的报告),或整合多线程信息(如 Beyang 线程中 Markdown 渲染预览对比)。智能体生成 Artifacts 后,用户可编辑内容,智能体会读取并应用修改。
Ollama v0.40.14 发布,Claude Code 模型输出不再受 128k 默认限制,云模型可突破此上限;修复了 /api/chat 端点对压缩搜索响应的解码问题。
华为云宣布 openPangu-2.0-Flash 和 openPangu-2.0-Pro 模型服务将于 2026 年 11 月 6 日 00:00 停止销售,并于 11 月 30 日 00:00 正式下线;建议用户完成迁移,替代方案为 DeepSeek-V4.1-Flash-1017 和 GLM-5.3,新版本 openPangu 模型已在规划中。
小米人形机器人在工厂完成8小时作业任务,实现异常自主纠偏与产线协同;具身基座模型Xiaomi-Robotics-1搭建Agent系统在小米青年公寓完成超30分钟长程任务验证,涵盖50+任务。
微软在 Windows 11 Build 26340.9767 预览版中测试原生测速功能,不再跳转 Bing。新功能通过 AI 智能体工作流结合 WinUI 3 构建,用户无需离开桌面即可完成测试,由真人指导确保高质量。