Inworld 收购实时语音智能体平台 Ultravox
Inworld 宣布收购实时语音智能体平台 Ultravox,Ultravox 团队成员已加入 Inworld 并继续开发该平台。收购后的首项更新是 Ultravox 内置的 Inworld 语音改用 Realtime TTS-2,已有语音 ID 继续可用,无需改动代码,升级不额外收费。
推荐理由:收购把语音理解、推理与语音生成并入同一套实时推理基础设施,读者可据此判断语音智能体技术栈的整合走向。
技术方向
游戏里的语音与音乐 AI:角色配音与实时 TTS、口型同步、动态音乐生成与音效。
47 条精选近 30 天 23 条共收录 72 条
Inworld 宣布收购实时语音智能体平台 Ultravox,Ultravox 团队成员已加入 Inworld 并继续开发该平台。收购后的首项更新是 Ultravox 内置的 Inworld 语音改用 Realtime TTS-2,已有语音 ID 继续可用,无需改动代码,升级不额外收费。
推荐理由:收购把语音理解、推理与语音生成并入同一套实时推理基础设施,读者可据此判断语音智能体技术栈的整合走向。
NVIDIA 面向 RTX 游戏开发者公布本月更新,包括带 3D-Guided Neural Rendering 控制的 DLSS 5、NVIDIA ACE 的语音管线扩展与推理框架更新,以及包含 RTX Mega Geometry 2.0 的 RTX Kit 2026.3。官方在推文中给出这条更新的开发者博客链接,具体能力与接入方式见 developer.nvidia.com 上的原文。
推荐理由:官方把 DLSS 5、NVIDIA ACE 与 RTX Kit 三块更新并排列出,开发者可对照自己项目的接入优先级与升级顺序。
Inworld AI 发布新一代实时对话语音模型 Realtime TTS-2,已在 Inworld API 和 Inworld Realtime API 全面开放。
推荐理由:原文给出多轮音频上下文、自然语言语音指令和低于 200ms 的首音频延迟,可供判断实时语音对话能否接入自己的项目。
Inworld AI 开源 TTS Open Evaluation Toolkit,这是一套可自定义的 TTS 评估框架,用于采样 TTS 系统、离线评估音频并生成可对比的报告。
推荐理由:原文解释了同一 TTS 模型在不同团队手上会得到不同 WER 的原因,并给出这套评估工具的运行方式与首批指标。
Inworld Realtime API 将 STT、LLM 与 TTS 串成单个 WebSocket 会话,Mastra 新包 @mastra/voice-inworld-realtime 可把该会话绑定为 Agent 的语音。
推荐理由:文章展示了把 STT、LLM 与 TTS 收进单个 WebSocket 会话的接入方式,打断与工具调用的处理思路可以对照自己的语音智能体方案。
Inworld 宣布对整条语音栈降价,多数开发者在文本转语音、语音识别、LLM 和算力各层降幅达一半以上,新价格已面向所有开发者生效。Realtime TTS-2 降至约 $10/1M 字符,语音识别降至约 $0.10/小时,Router 可接入 100+ 模型且第三方模型不加价。
推荐理由:Inworld 把语音栈各层价格下调并对 TTS、语音识别和 LLM 给出阶梯单价,可用来估算消费级应用的推理成本。
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。