标签：RTC技术

自从5月14日OpenAI展示了GPT-4o及其令人惊叹的端到端实时音视频对话功能以来，大众一直热切期盼其公开发布版本的到来。然而，两个月又两周过去了，这款备受期待的产品仍未面世。虽然官方演示中展现出了AI对话几乎与真人无异的能力，包括感知呼吸节奏、丰富的语气反馈以及即时打断AI等功能，但公众至今仍未体验到这一技术。究竟哪些因素阻碍了OpenAI的步伐？ 一方面，OpenAI面临着法律纠纷的压力，必须确保语音音色不会引发类似斯佳丽·约翰逊那样的争议；另一方面，安全性和防止潜在的诈骗行为也是重要考量。除此之外，还有...

在人工智能领域，OpenAI的最新模型GPT-4o以其高效能和低延迟引起了关注，尤其是在实时语音互动方面，达到了与人类对话相当的速度。然而，尽管发布会展示了令人惊叹的技术，但在产品落地过程中，诸如GPT-4o的实时音视频功能和视频多模态产品Sora的开放仍面临延迟。这种现象不仅困扰OpenAI，国内的类似项目也面临同样的问题。尽管实时语音被认为是AI商业化的重要路径，但现有的技术如Pi和Call Annie存在高延迟和情感理解不足的问题。新产品EVI通过引入语义空间理论来改进情感表达，但牺牲了响应时间。GPT-4o的多模态技术则显著...