面向听觉智能与物理AI的
人机交互开发者社区

发现模型、参与赛事、分享实践、连接同行,共创数据、模型与评测驱动的人机交互生态。

50k+
注册开发者
5.8k+
技术文章
268+
开源数据集
300+
技术课程

最新声浪

查看全部 →
阿里ATH的岗位JD
原创7 months ago
阿里ATH的岗位JD

未来生活实验室是阿里集团旗下的核心AI研发与产品化部门。我们深耕多模态大模型领域,致力于打破交互边界,重新定义数字生活的未来。通过聚焦多模态技术研究,我们持续挑战智能上限,实现视觉、听觉与语言的高维度融合;同时,我们积极探索并定义新一代多模…

576 0 0
混元Embodied-0.5开源:专为现实世界具身智能体设计,通向物理Agent开源新基座
转载7 months ago
混元Embodied-0.5开源:专为现实世界具身智能体设计,通向物理Agent开源新基座

让大模型真正走进现实世界,是当下最迫切的需求之一。但美好的愿景,在真实的物理环境面前却屡屡碰壁。那些在文本世界里对答如流的通用视觉语言模型(VLM),一旦装进机器人脑子里,常常显得笨手笨脚。 原因很简单——物理世界容不得半点含糊。通用模型平…

77 0 0
从豆包的端到端双全工语音对话到语音智能体
转载7 months ago
从豆包的端到端双全工语音对话到语音智能体

豆包的语音对话升级到了双全工模式。普通用户也许不知道“双全工”是什么,也不在意这个拗口名词的技术定义,但能直接感受到的变化可能是: 对话更流利 想打断时可以随时打断,系统还能自行判断是否应该被打断 豆包知道什么时候不该回应(比如噪声,或与对…

68 0 0

为语音开发者而生