Inworld AI Blog· Inworld AI·· 2026-05-14精选AI 评分49
Inworld 用 Realtime TTS-2 联手 Stream Vision Agents，搭出能看能听的实时语音智能体
Realtime voice agents can now see, listen, and engage
AI 导读
Inworld 联手 Stream 搭出参考实现 Crashout Buddy，组合最新语音模型 Realtime TTS-2 与 Stream 开源的 Vision Agents 框架，可实时看表情、听语音并调整表达。
推荐理由
文中给出了把视觉信号与情绪上下文转成语音表达指令的做法，可据此判断这条实时语音链路能否接进自己的项目。
来源：Inworld AI Blog · inworld.ai