开发者朋友们大家好：
这里是「RTE 开发者日报」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE（Real-Time Engagement） 领域内「有话题的技术」、「有亮点的产品」、「有思考的文章」、「有态度的观点」、「有看点的活动」，但内容仅代表编辑的个人观点，欢迎大家留言、跟帖、讨论。
本期编辑：@ 子禾、@ 鲍勃
01 有话题的技术
1、 微软开源 VibeVoice：长篇幅、多角色播客文本转语音框架
VibeVoice 是一款创新的文本转语音（TTS）框架，专为生成富有表现力、长篇幅、多说话人的对话音频（如播客）而设计。它解决了传统 TTS 技术在可扩展性、说话人一致性和自然轮替方面存在的痛点。
该模型能够合成最长 90 分钟的语音，并支持最多 4 位不同说话人，显著优于许多模型仅支持 1-2 位说话人的能力。
VibeVoice 的关键创新是使用了连续语音分词器（声学和语义），以 7.5 Hz 的超低帧率运行。这在高效保留音频保真度的同时，大幅提升了处理长序列的计算效率。该框架结合了 LLM（用于理解文本上下文和对话流）和扩散头部（用于生成高保真声学细节），构建了下一代代币扩散模型。
https://github.com/microsoft/VibeVoice
2、通义万相即将开源一款「语音转视频」模型 Wan2.2-S2V
8 月 25 日，通义万相团队在 X 上预告即将开源一款「语音转视频」（speech-to-video）模型 Wan2.2-S2V，这将是一款音频驱动的电影级视频生成模型。
官方账号还在评论区分享了一个可能由 Wan2.2-S2V 根据歌曲生成的视频 demo。
02 有亮点的产品
1、AI 硬件 Haivivi 完成 2 亿元融资
据《晚点科技》获悉，AI 玩具公司跃然创新（Haivivi）近期完成 2 亿元 A 轮系列融资。据介绍，本轮融资由中金资本旗下基金、红杉中国种子基金、华山资本、愉悦资本领投，招银国际等参投，香港科技大学工学院原院长高秉强创立的 Brizan Ventures 等老股东加注。目前，Haivivi 已获得奥特曼、小猪佩奇、奶龙等知名 IP 的 AI 玩具授权，同时在开发自研 IP。今年下半年， Haivivi 将陆续发布十几个 IP 产品。8 月 27 日，Haivivi 将正式推出旗下第二代 AI 玩具产品 —— CocoMate 系列，硬件部分直接嵌入玩偶本体，并且支持拆卸。首批发售的 CocoMate 将包含奥特曼 IP 限定款——赛罗和迪迦——及 Haivivi 原创 IP「泡泡」礼盒。据悉，去年 9 月，Haivivi 发布了 BubblePal，这是一款可挂在毛绒玩具脖子上的对话硬件，目前该产品的累计销量已突破 20 万台。
（@APPSO）
2、NotebookLM 视频和音频概览支持 80 余种语言，包含中文
Google Labs 宣布对 AI 笔记本应用 NotebookLM 进行两项重大更新：视频概览（Video Overviews）功能现已在全球范围内支持多达 80 种语言（包含中文），同时，音频概览（Audio Overviews）也获得了显著升级，能够提供更全面、更深入的内容分析。
此次更新旨在为全球用户提供更便捷、高效的知识整理体验，帮助用户快速理解和掌握复杂信息。
核心技术亮点
视频概览多语言支持：此功能将 NotebookLM 笔记本中的内容转化为视频演示文稿。现在，该功能已向全球 80 多种语言的用户开放，无论是学生复习课程视频、研究人员梳理学术报告，还是普通用户学习复杂的教程，都能以自己偏好的语言获得简洁易懂的视频总结。
音频概览全面升级：此前仅英文版提供的深度、结构化音频概览体验，现已扩展到所有支持的语言。新版本不再仅提供简短的要点摘要，而是能够对不同来源的信息进行综合，生成更长、更具洞察力的完整讨论。当然，如果用户时间有限，仍然可以选择生成较短的概览版本以获取关键信息。
两项功能即日起面向全部用户上线，并在一周内完成全球推送。
(@Google Blog)
3、腾讯会议集成腾讯元宝，推出 AI 纪要功能
腾讯元宝宣布，其 AI 能力正式与腾讯会议打通，推出「AI 纪要」功能。这项功能旨在帮助用户在会议中高效记录、总结和分析，从而提升沟通效率，让用户能够更专注于会议本身。
主要功能与亮点
实时生成会议纪要：AI 纪要功能能够每 2 分钟主动推送一次最新的会议总结，实时提炼关键信息、结论和待办事项，即使在漫长的会议中走神，也能快速跟上进度。
深层会议洞察：该功能不仅能浓缩会议重点，还能帮助用户洞察「弦外之音」，捕捉语言背后的潜在含义，从而更好地理解会议氛围和参与者的真实意图。
一键导入腾讯元宝拓展分析：会议结束后，用户可以一键将纪要导入到腾讯元宝。在腾讯元宝中，用户可以进一步对会议内容进行追问、提炼核心结论、生成详细的待办事项，实现会议复盘的自动化。
发布计划
用户只需将腾讯会议客户端升级到 3.36.10 或更高版本，即可限时免费体验这项 AI 纪要功能。此举标志着腾讯会议正在通过整合 AI 能力，为企业和个人用户提供更智能、更高效的协作工具。
（@ 腾讯元宝）
4、微信推出「AI 播客」新功能，双人 AI 主播解读新闻
微信在其「快讯」页面中上线了一项 AI 实验功能——「AI 播客」。与传统的单人音频播报不同，这项功能引入了双人 AI 主播对话的形式，旨在将新闻内容转化为更具互动性和交流感的「语音快讯」。
目前，该功能仍处于灰度测试阶段，其入口隐藏在微信的「快讯」合集页中。用户可以通过搜索「快讯」并点击右上角的「听快讯」按钮来体验。
技术亮点与核心应用
该功能的主要亮点在于其对话式的播报形式。两位 AI 主播通过模拟真人对话的方式复述新闻，语气自然、语序流畅，整体听感轻松。
内容来源：AI 播客的内容主要来源于各地官方媒体发布的政策通稿等结构化新闻。AI 会对原文进行智能拆解和重组，在保留关键信息的同时降低理解难度。
场景契合：该功能特别适用于用户在通勤或做家务等「耳朵空闲」的场景，满足了用户快速获取新闻的需求。
技术创新：与微信此前推出的基于克隆技术的「听全文」功能不同，AI 播客采用「对话解读」模式，提供了更接近日常交流的听感体验，为信息消费开辟了新的想象空间。
随着这项新功能的推出，未来的微信可能会出现更具个性化的「私人播客」，AI 主播将能为用户串讲好友动态、长文观点和热门话题。这表明，在信息爆炸的时代，下一个争夺用户注意力的入口，或许正隐藏在音频世界中。
（@ 智东西 AI 前瞻）
03 有态度的观点
1、Google 大脑之父：AI 的未来将会更加个性化
近期，Google Brain（Google 大脑）项目创始人 Jeff Dean 做客播客《Moonshot Podcast Deep Dive》，回顾了 AI 技术的发展历程，并谈及未来研究方向。Dean 提到，Google Brain 项目最早源于与吴恩达的一次茶水间对话，随后团队利用 2000 台计算机搭建了大规模神经网络训练平台。这一项目带来了著名的「猫脸」实验，并在语音识别与图像分类上取得突破，直接推动了 TensorFlow 与 TPU 的诞生。对于未来，Dean 强调 AI 模型的可解释性与自动化闭环潜力。他认为，大模型有望通过自我生成、测试和反馈循环，在特定领域实现接近「自我突破」的能力。另外，他还觉得，未来 AI 将不仅仅是为少数人服务，而是通过个性化的学习和推荐，成为每个人的「认知延伸」。他举例提到，AI 将能够根据个人历史与偏好，提供针对性的建议和服务。这种个性化服务将是 AI 发展的关键方向。Jeff Dean 也对 AI 带来的社会变革做出了展望。他认为，随着 AI 技术的进步，未来将有更多「个性化导师」涌现，能够为全球学生提供定制化的学习体验。这种创新将不仅改变教育行业，也会对医疗、社会服务等领域产生深远影响。
(@APPSO)
2、谷歌高管：AI 正重塑游戏行业，开发者需快速拥抱云与 AIGC
Google Could 全球游戏业务总裁 Jack Buser 在近日接受科技媒体《Decrypt》的采访时表示，随着 AIGC 工具在游戏开发过程中的利用率不断提升，能够快速部署云设施、上线 AI 工具辅助开发的厂商将占有巨大优势，无法适应这一潮流变化的厂商将被淘汰。Buser 表示，目前的游戏新品面临来自上线多年头部老游戏的激烈竞争，玩家有超过一半的游戏时间都花在上线超过 6 年的游戏上，因此新品很难获客，造成回本的可能性大幅降低。为了面对越来越高的潜在风险，开发者必须快速运用 AI 工具来大大加快游戏开发进程，在上线后也需要用 AI 分析玩家活动数据，量身定制能够拉升留存的限时活动。
（@Games Industry、@ 白鲸出海）
阅读更多 Voice Agent 学习笔记：了解最懂 AI 语音的头脑都在思考什么
写在最后：
我们欢迎更多的小伙伴参与「RTE 开发者日报」内容的共创，感兴趣的朋友请通过开发者社区或公众号留言联系，记得报暗号「共创」。
对于任何反馈（包括但不限于内容上、形式上）我们不胜感激、并有小惊喜回馈，例如你希望从日报中看到哪些内容；自己推荐的信源、项目、话题、活动等；或者列举几个你喜欢看、平时常看的内容渠道；内容排版或呈现形式上有哪些可以改进的地方等。
素材来源官方媒体/网络新闻