在 SageMaker AI 上使用 vLLM-Omni 构建实时语音应用（第一部分）
AWS 推出在 Amazon SageMaker AI 上基于 vLLM-Omni 深度学习容器（DLC）部署 Qwen3-TTS 的实时语音生成方案。该方案利用 SageMaker 双向流式传输（HTTP/2 WebSocket），通过单个持久连接流式输入文本并实时返回 24 kHz PCM 音频块。
#语音
#语音
今日 0 条AWS Machine Learning BlogAI 评分5050
AWS Machine Learning BlogAI 评分5151 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时个性化语音克隆
AWS 介绍了如何通过 Amazon SageMaker JumpStart 将开源语音生成模型 Qwen3-TTS-12Hz-1.7B-Base 部署为托管实时推理端点。
Google DeepMind精选AI 评分7878 Google DeepMind 推出 Gemini 3.8 Live with Live Avatar 实时数字人功能
Google DeepMind 宣布在 Gemini Enterprise 中推出 Gemini 3.8 Live with Live Avatar，将实时语音对话与低延迟视频流生成结合，实现具备精准口型同步与表情交互的虚拟数字人体验。
推荐理由：结合实时音视频生成与异步工具调用，展示了企业级多模态对话智能体在保持不间断交互上的产品演进。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音合成模型
Google DeepMind 正式推出 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音合成模型，支持通过自然语言提示词从零定制角色声音并进行逐行台词导演。
推荐理由：原文详细展示了双角色剧本编排、自然语言声音定制与安全水印机制，读者可以据此评估语音合成在播客与配音场景的落地可行性。
OpenAI NewsAI 评分3131 Ringg 的 AI 智能体借助 OpenAI 解决高达 65% 的客户通话
Ringg 借助 OpenAI 的 GPT-5.6 驱动多语言 AI 智能体，可解决高达 65% 的客户通话。该方案覆盖语音、聊天、WhatsApp 和 Web 渠道，相比 GPT-4.1 成本降低了 90%。
Google DeepMind精选AI 评分8282 Google DeepMind 推出 Gemini 3.8 Live 与 3.8 Live Extended Thinking 实时对话模型
Google DeepMind 正式推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，支持在语音交互的同时执行多步深度推理和后台工具调用。
推荐理由：模型在保持实时语音交互流的同时引入并行深度推理与工具调用，为复杂业务流程中的语音智能体落地提供了参考。
OpenAI News精选AI 评分7878 OpenAI 在 API 中推出 GPT-Live-1 支持自然全双工语音体验
OpenAI 在 API 中上线 GPT-Live-1 模型，提供自然的全双工语音对话交互。该模型具备更强的指令遵循能力，并支持自定义声音和电话通信集成。
推荐理由：原文给出了新模型的全双工语音与电话支持能力，开发者可以据此评估语音交互方案的集成路径。