本期编辑:@ 三水 @ 鲍勃

01 有话题的技术

1、AI 研究公司 Interact 发布 31B 全双工语音模型 Interact-0:支持多人对话,自主判断何时发言与保持沉默

AI 研究公司 Interact 发布首款 Always-On(持续在线)全双工语音模型 Interact-0,总参数量 31B、激活参数量 3B。区别于主要面向一对一交流的语音模型,Interact-0 重点解决多人对话中的参与时机问题,使 AI 能够持续聆听群体讨论,判断其他人是否在向自己讲话,并在适当时机主动参与对话,而非对每一句话都作出回应。

https://interact.inc/blog/interact-0/

2、微软发布首款端到端语音模型 MAI Realtime 1:每音频分钟 0.01 美元起,兼容 OpenAI Realtime API

微软在 Ignite 2026 大会上发布首款自研 Speech-to-Speech 模型 MAI Realtime 1,面向企业级实时语音交互场景,支持自然接话、打断处理、复杂环境下的语音理解及工具调用。模型采用快速对话与按需深度推理相结合的设计,在维持实时交流的同时处理复杂任务,并兼容 OpenAI Realtime API,降低现有 Voice Agent 应用的迁移成本。

https://microsoft.ai/news/introducing-mai-realtime-1/

3、非侵入式脑机接口公司 Alljoined 发布 AIR-O:通过非侵入性的大脑数据实时生成图像,显示一个人注意力所集中的位置

非侵入式脑机接口(BCI)研究公司 Alljoined 发布脑信号解码模型 AIR-O,展示利用 EEG 脑电数据实时生成图像、重建用户当前关注内容的能力。与依赖眼动追踪或摄像头识别用户视线的交互方案不同,AIR-O 尝试直接从脑部神经活动中提取视觉注意力信息,探索将人类感知与注意力作为 AI 系统的新型输入信号。

4、开源 AI 研究组织 LAION 发布 139 万小时音频数据集 LAION-Audio-XL,开源五种规模音频理解模型 CLAP2

开源 AI 研究组织 LAION 发布大规模音频文本数据集 LAION-Audio-XL,以及基于该数据集训练的对比式音频文本预训练模型 CLAP2。数据集包含 3.65 亿组音频文本对,累计约 139 万小时音频,覆盖人声、音乐、环境音等多种声音类型。团队同步开放五种参数规模的模型权重、数据处理流水线及训练评测代码。

https://projects.laion.ai/clap2/

02 有亮点的产品

1、AI 桌面伙伴项目 Shinsekai 开源发布:新增实时屏幕感知、自适应主动发言与本地长期记忆

面向 Galgame、乙女游戏及剧情向 RPG 的 AI 桌面伙伴项目「新世界(Shinsekai)」开源发布,新增实时屏幕感知、场景自适应发言、人物关系图谱及立绘口型同步功能,并重构长期记忆架构。用户可创建由大语言模型驱动的虚拟角色,让其在游戏陪玩、视频观看及日常办公中根据屏幕内容主动参与互动。

https://github.com/RachelForster/Shinsekai

2、ElevenLabs 宣布收购日本语音 AI 公司 Kotoba:加强日语语音模型与实时同声传译能力

语音 AI 公司 ElevenLabs 宣布与日本语音 AI 研究公司 Kotoba Technologies 达成收购协议。Kotoba 自研语音基座模型 Koto,覆盖日语语音合成、语音识别及实时语音到语音翻译,已为 Salesforce Agentforce Voice 提供日语对话能力。双方将结合模型研发、算力资源与商业基础设施,进一步拓展日本及东亚市场。

https://elevenlabs.io/blog/kotoba

3、AI 基础设施公司 First Person Labs 获 a16z 领投 1000 万美元种子轮融资:推出可跨 Agent 使用的个人用户模型 Second

11 月 17 日,AI 基础设施公司 First Person Labs 宣布获得由 a16z 领投的 1000 万美元种子轮融资,并推出个人 AI 产品 Second。Second 持续聚合用户的个人上下文,将工作方式、人际关系、偏好、目标及意图提炼为由用户掌控的 Portable User Model(可移植用户模型),为不同 AI 应用及 Agent 提供统一的个性化上下文。目前已开放早期体验。

https://2.computer/

03 有态度的观点

1、丘成桐:完全跟着 AI 的结论走,会失去独立提问的能力

丘成桐在《人民日报》11 月 17 日刊发的文章中谈到,AI 已从下棋、解奥数题发展到协助攻克长期悬置的数学难题,其影响将延伸到物理、化学、生物和工程等领域。他主张拥抱这一工具,同时守住独立提问和思考的能力。

他认为,当前 AI 还提供不了颠覆性的思想跃迁;若完全跟着 AI 给出的结论走,人们将失去独立提问、深度思考和创新突破的能力。重大科学突破往往始于前所未有的问题,以及对「什么值得追问」的判断,而这种判断与人的情感、直觉和好奇心紧密相连。在人才培养上,他不主张死记硬背和反复刷题,介绍了用数学史课程帮助学生理解重要突破如何产生,以及让数学学生接触文学、历史和哲学的实践。

他还建议为基础科学建立长周期评价体系,让年轻人能投入大问题,给予研究者静心做学问的环境。

( @APPSO)

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


↙↙↙阅读原文可查看相关链接,并与作者交流