在数字化浪潮和全球化进程的双重驱动下，线上线下的沟通触点倍速增长，跨语言沟通场景在我们的生活、工作中愈发普遍。但常见的翻译工具仍以“说一句、停一下”的回合制翻译为主，机械化、响应慢、效率低，对于直播互动、电商客服、商务会议等高并发实时场景来说，显得捉襟见肘。这也让语言障碍成了横亘在无数沟通场景中的“

​ 在人工智能大模型技术飞速发展的今天，曾经只存在于科幻作品中的场景正逐渐走进现实，技术的飞跃让深度情感连接成为可能。从早期只能执行简单指令的程序，到如今能理解复杂语义、感知情绪变化的智能体，AI 技术的每一次突破都在重塑人与机器的关系边界，带来更多关于AI陪伴的创新探索。 在这样的背景下，经历两年

今天要发布的是一项神奇的魔法。 仅需一张图和一段音频，就能让图中的主角自然的说话 、唱歌。 比如这样👇 这样👇 以及，这样👇 这一能力来自5月28日腾讯混元发布并开源的语音数字人模型HunyuanVideo-Avatar，由腾讯混元视频大模型（HunyuanVideo）及腾讯音乐天琴实验室Mu

“当前，AI应用领域呈现出交互体验更丰富、模型使用更高效、应用构建更快捷等趋势。”5月21日，在2025腾讯云AI产业应用峰会上，腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人吴运声发表主题演讲。 他表示，围绕新的客户需求，腾讯云在多模态语音交互、模型训推、智能体开发等层面不断迭代更新产品能力

随着AI的技术进步和工具普及，尤其是在这两年的跃进之后，AI在游戏行业内的应用已经逐步由理念设想推向落地实践。从蔡浩宇披露的AI新游《Whispers From The Star》到GDC上各大厂家呈现的游戏+AI新亮点，我们看到了更多AI与游戏的结合方式，不仅是制作端AIGC能力的融入，连游戏内互

3月17日至21日，2025全球游戏开发者大会（GDC）在美国旧金山召开，全球顶尖游戏开发者、技术专家与行业领袖云集，带来一系列前沿技术演讲和游戏展示。腾讯云音视频携游戏多媒体引擎（GME）、对话式AI游戏解决方案（Conversational AI Gaming Solution）等众多前沿产品和

在如今的流量时代，用户越来越追求多元化的互动体验。语聊房作为在线社交热门玩法，一直备受用户喜爱。 语聊赛道势头强劲 低成本快速落地是入局关键 语音聊天室App以语音社交为主要玩法，用户无需露脸即可通过语音与感兴趣的陌生人聊天、交友、互动，房主可以通过语音分享来赚取打赏收入。App还允许用户匹配附近的

近年来，AI热度持续攀升，无论是融资规模还是用户热度都大幅增长。2023 年，中国 AI 行业融资规模达2631亿人民币，较2022年上升51%；2024年第二季度，全球 AI 初创企业融资规模为 240 亿美金，较第一季度翻倍增长。伴随AI能力不断提升，其业务应用场景也越来越多。 今年五月，Ope

在人工智能技术日益普及的今天，GPT-4o所展现出的实时语音对话能力再次吸引了大量关注。但AI语音助手其实并不新鲜，“你好，Siri”这句话，大家都已经说了好多年。那为什么GPT-4o的发布，仍能够再次唤起人们对AI语音的畅想？答案的关键或许在于GPT-4o比Siri们，快得多。 速度对于语音AI界

“在上班和上学之间选择上香；在求人和求己之间选择求佛” 面对日益复杂的现代社会，事业、情感、前途……太多的不确定性难免会让人感到茫然和无助。在社会压力大、普遍焦虑的大环境下，当代人在精神方面面临着更多危机，心理咨询和泛心理健康服务逐步走入了大众的视野。 当前中国心理健康服务需求普遍存在，但供给严重不

今年一月底，心动旗下自研放置类新作《出发吧麦芬》在港澳台地区上线后连续“霸榜”，以放置和MMORPG两大玩法的巧妙融合，构建了一场好玩有爱的治愈系冒险，收获了众多玩家的高分和好评。5月15日，国服正式上线后，游戏同样延续了之前的不错势头，上线即登顶iOS免费榜，两个月全平台累计下载量突破300万。

上个月，西山居《剑网3无界》全平台公测上线。这款运营超15年的国产武侠游戏常青树，又迎来了一次大变革。3端数据继承互通，打破设备限制，《剑网3无界》将大唐江湖的武侠美学进一步拓展到了移动端。一砖一瓦、一草一木，小屏上的熟悉江湖，背后是项目组不断地调整尝试和各种新技术的升级迭代。 ​ 一直以来，声音都

在最近的Steam夏日游戏节上，《Dark and Darker》几经波折后，重新登陆Steam和Epic游戏商店。作为韩国独立游戏工作室Ironmace推出的第一款游戏，《Dark and Darker》在Steam首测时，热度便被引爆，短短7天，其Steam日均在线人数就超过了10万人次，并吸引

在OpenAI最近的发布会上，全新的GPT-4o模型展示了强大的低延迟实时对话能力，它可在最短232ms、平均320ms的时间内响应音频输入，速度已近似人类。与GPT-4等之前版本相比，GPT-4o可将音频、视觉和文本等输入在同一神经网络处理，并任意组合进行输出，从而在捕捉更多信息的同时，大幅降低延

TTS 是 “Text-to-Speech” 的缩写，中文意思是“文本到语音”。简单来说，TTS 是一种技术，它能够将文字信息转换成人类的语音，计算机或智能设备就能够"说话"了。TTS 技术通过模仿人类的语音特征，使得合成的语音听起来尽可能自然流畅。随着技术的发展，已经能够模拟不同的语调、情感，甚至