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：@koki、@ 鲍勃
1、生数科技发布 Vidu S1 实时交互模型：基于 AR + Diffusion 架构实现 540P/25FPS 无限时长流式生成
生数科技正式发布面向实时交互场景的视频生成模型 Vidu S1。该模型基于自回归扩散模型架构，支持通过语音实时控制视频中角色的动作与表情，在消费级 GPU 上可实现 540P、25FPS 的无限时长流式视频输出，打破了传统视频模型的离线生成限制。
AR + Diffusion 自回归扩散架构：模型不再一次性生成固定时长（3s-30s）的闭环视频，而是基于历史画面、当前语音指令和上下文，流式预测并持续生成后续视频内容，支持数小时连续互动且保持人物角色一致。
540P 级实时渲染性能：通过软硬件协同优化，在消费级 GPU 上实现 540P（960x540）分辨率、25FPS 帧率（最高支持 42FPS）的超低延迟视频生成，满足实时通话级交互要求。
多重推理加速与注意力优化：底层基于 TurboDiffusion 推理加速框架，融合了 8 位注意力机制 SageAttention、稀疏线性注意力 SLA 以及 SpargeAttention 算法，大幅降低单帧视频生成的计算成本。
动态资源调度部署：基于 TurboServe 推理部署引擎，持续记录并追踪用户输入、角色状态及历史帧，实现高效的推理请求调度与流式服务协同。
单图零训练生成式角色构建：用户仅需上传单张初始图片（支持真人、动漫或萌宠）并搭配自定义音色，无需离线 3D 建模、角色绑定或口型适配训练，即可直接驱动高拟真度的实时双向互动。
（@ 生数科技）
2、Squeez Labs 开源 CrankGPT：手摇供电、完全离线的树莓派 5 语音智能体
Squeez Labs 开源了 CrankGPT 项目，这是一款完全离线、无电池且由手摇发电机供电的便携式语音智能体。该系统基于树莓派 5 运行本地轻量化模型，在无电网、无云端支持的环境下，实现了首字延迟最低 0.8 秒的即时语音交互。
20W 手摇发电机与超级电容滤波： 采用手摇发电输入，配备由 3 个 2.7V 50F 超级电容组成的自定义电源板作为 20 秒电能缓冲，平抑本地推理阶段最高 5A 的瞬时电流冲击，稳定维持树莓派 4.8V 至 5.3V 的工作电压。
极简 DietPi 系统与 3 秒引导： 搭载裁剪版 Debian 系统 DietPi，关闭蓝牙、无线等未用硬件，将 Linux 内核至用户空间的启动耗时缩短至 3 秒，整机冷启动（含固件自检与模型/库加载）控制在 30 秒内。
无 PyTorch 依赖的轻量推理栈： 移除所有 PyTorch 依赖以节省内存，软件栈全面运行于 ONNX Runtime。语音识别使用 Moonshine ASR 与 Silero VAD；语言模型基于 llama.cpp，支持 Liquid AI LFM2.5（350M/1.2B）及 Gemma 3 1B；语音合成使用 Piper。
首字延迟最低 0.8 秒与内存带宽红利： 树莓派 5（DDR4）运行 LFM2.5 350M 模型的首字延迟仅 0.8 秒，运行 LFM2.5 1.2B 时为 1.5 秒。由于语言模型推理极度受限于内存带宽，换用具备 DDR5 内存的 Orange Pi 5 Pro 后，Token 生成速度可提升 29% 至 58%。
流式合成与计算能耗物理反馈： 采用句子级流式处理，动态压缩首句长度以加速首字响应。当语言模型推理与语音合成并发运行，整机功耗攀升至 15W（电流达 3A），发电机的物理阻力会显著增大，向用户提供直观的计算能耗物理反馈。
https://squeezlabs.github.io/handcrank/
3、阿里发布 Fun-ASR-Realtime 实时语音模型：百毫秒级首字延迟，支持 16 种方言与 30 种语言
阿里正式升级流式语音识别模型 Fun-ASR-Realtime，该模型具备百毫秒级首字时延，并在影视飓风 100 小时直播实战中完成了 132 万字实时字幕输出。模型通过泛上下文强化，弥合了实时流式识别与离线高精度识别之间的准确率差距。
在影视飓风「重返荒岛」100 小时直播节目中，实时字幕根据上下文纠错，将「叶鹿」改为「夜鹭」。
16 种方言平均字符准确率 88.62%：在八大方言区测试中，高难度的上海话、苏州话、温州话字符准确率分别达到 92.41%、89.21% 和 82.74%，在 12 类方言上指标超越同类竞品。
工业级远场噪杂环境适应力：在 5 类中英文工业场景测试中，中文平均字符准确率达 88.42%，英文达 91.58%；针对泰语等东南亚语种进行专项优化后，其识别准确率提升 20%。
（@ 通义实验室）
1、Domus Next 推出 SuperNori：基于 Android 系统权限与 Home Assistant 的原生家庭智能体操作系统
旧金山智能家居初创公司 Domus Next 推出家庭智能体系统 SuperNori，定位为空间原生的家庭操作系统。该系统通过深度整合 Android 底层权限与 Home Assistant 生态，实现了跨软件、服务和硬件的统一自主执行。
Android 系统级权限与 Home Assistant 深度整合：SuperNori 并非传统的应用级控制接口，而是通过 Android 系统级底层权限与开源智能家居生态 Home Assistant 结合，实现跨协议、跨品牌的物理硬件协同，将零散的智能设备统一为系统级协调单元。
免 API 的直接用户界面操作：在软件层面，该系统无需依赖特定的 API 或预建集成，能够像人类用户一样直接在数字终端的屏幕上进行浏览、文本输入和界面导航，从而直接操作各类第三方软件和服务。
多步骤并行执行与全后台运行：系统能够将自然语言指令翻译为结构化行动，自动拆分为多步工作流，并在数字环境与实体硬件中并行执行。系统全程在后台保持运行，直至任务完全闭环，无需用户中途确认。
主动式情境感知与决策连贯性：系统能够主动检测异常交通、生活用品库存等上下文信息，结合用户习惯提前推荐购买、预订出行或调整冲突日程，实现从「请求 - 响应」向「自主执行结果」的交互模式转变。
( @TechCrunch)
2、Lucida AI 获 700 万美元种子轮融资：利用自研语音语言模型提供免文本口语对话学习
近日，语言学习公司 Lucida AI 宣布完成 700 万美元（约合人民币 4752 万元）种子轮融资，由 Velocity Capital 领投，Next Tier Ventures、Look AI Ventures 等多家机构参投。
Lucida AI 于 2024 年创立。当多数语言学习产品还在教用户认单词、记语法、做测验时，Lucida AI 选择了一条相对不同的路——将口语流利度置于语言学习的核心，通过实时 AI 对话帮用户提升口语沟通能力。该公司认为，其积累的海量语音数据将能反哺模型训练，持续优化对话体验。
据介绍，其专有的语音语言模型（SLM）能让用户无需文本提示即可与 AI 自然对话，系统会根据熟练程度调整对话内容，并针对流畅度、发音和清晰度提供即时反馈，同时模拟从日常交流到商务会议、客户电话等真实场景。
目前，Lucida AI 既有面向个人用户的 App 版本，也提供支持本地托管和端到端加密的企业部署版本。
Lucida AI 联合创始人 Mustafa Girgin 和 M. Sait Demirci 表示：「AI 正在成为一场全球竞赛，有意义的创新不再局限于单一地域……我们的目标很明确：构建一个可扩展的、原生支持语音的 AI 平台，为全球通信提供支持。」
过去 15 个月，Lucida AI 已累计吸引 300 万用户，完成 22 亿分钟的语音互动，年度经常性收入突破七位数。该公司计划利用这笔资金拓展新语言和市场，进一步开发语音对语音 AI 基础设施，并加速产品在全球范围的落地。
（@ 多知）
1、宇树科技陈立：具身智能的「ChatGPT 时刻」需达成两个 80%
据财联社报道，宇树科技联合创始人陈立日前在 2026 亚布力中国企业家论坛第十二届创新年会上表示，具身智能机器人目前尚未实现大面积应用，核心原因在于具身智能大模型尚未成熟。
陈立在演讲中定义了具身智能的「ChatGPT 时刻」，其核心标志为「两个 80%」：机器人在 80% 的陌生场景中，通过语音或文字指令能够顺利完成约 80% 的任务。他预计，在垂直的 To B 场景中，完全自主解决 80% 任务的目标有望达成；而在对泛化能力要求更高的 To C 场景，预计可能需要 8 至 10 年甚至更久才能成熟。针对未来 2 至 5 年的行业发展，陈立提出了三大关键要素：
需要统一的端到端机器人大模型；
需要更低成本、更高寿命的硬件；
低成本的大规模算力。
他指出，由于端侧算力存在续航、散热和成本限制，而云端存在延时问题，未来的算力形式可能是分布式的。陈立对行业长期前景表示乐观。他预测，今年起具身智能机器人将引领全新的消费浪潮，大幅推动社会生产力与劳动力升级。
(@APPSO)
招聘、项目分享、求助……任何你想和社区分享的信息，请联系我们投稿。（加微信 creators2022，备注「社区黑板报」）
1、开赛招募 | CCF IVC 2026 大赛——智能导航方言语音识别挑战赛开启
CCF IVC 2026 大赛——智能导航方言语音识别挑战赛正式开赛！晴数智慧（Magic Data）联合北京建筑大学城市建筑超级智能技术北京市重点实验室、西北工业大学音频语音与语言处理实验室（ASLP\@NPU）、上海交通大学跨媒体语言智能实验室（X-LANCE Lab）等高校顶尖实验室提供技术与数据支撑。
1 万小时 WenetSpeech-Chuan 开源语料+全新开源的 12 城子方言数据集全程加持，报名参赛还能获取官方专属导航场景训练数据，想刷榜方言识别、攻坚车载落地场景的开发者们，速来报名同台竞技！
赛程安排：
参赛对象
赛事面向全社会开放，全球高校学生、科研人员、科技企业从业者、初创团队及独立开发者均可参赛，无国籍、年龄、职业限制。
赛项报名入口：
https://www.gitlink.org.cn/competitions/INDASR
大赛官网：
https://ccf.org.cn/ccfivc2026
官方公众号：CCF 智能汽车分会
大赛联系人：刘老师 18661071388 / 袁同学 18581710197
详情请见：
开赛招募 | CCF IVC 2026 大赛——智能导航方言语音识别挑战赛开启！
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。
作者提示: 个人观点，仅供参考
