Cartesia 如何用 SSM 模型在 AWS 上构建超低延迟语音 AI 应用
AWS 合作伙伴 Cartesia 基于 State Space Model(SSM)架构打造实时语音 AI,其 Sonic 文本转语音与 Ink 语音转文字模型首字节延迟均低于 100ms,其中 Sonic 约 90ms 即可输出首个音频字节。
AWS 合作伙伴 Cartesia 基于 State Space Model(SSM)架构打造实时语音 AI,其 Sonic 文本转语音与 Ink 语音转文字模型首字节延迟均低于 100ms,其中 Sonic 约 90ms 即可输出首个音频字节。
Gen Digital 团队用 Amazon Bedrock AgentCore Web Search 为 2026 年 3 月上线的 Norton Revamp 构建 AI 精选新闻引擎,为每条内容建议、目标推荐和新闻流提供带引用来源的实时网络知识。
Amazon Quick 支持将 S3 知识库中的非结构化文档与带语义描述的 enriched datasets 结构化数据接入同一个 Space,再由自定义聊天智能体在单次对话中判断查询知识库、数据集或两者并返回带引用的合并回答。该方案需 Enterprise 订阅,S3 桶默认只读权限,回答遵循提问用户的权限。
Netflix 电视应用新增“AI Discover”标签页,首批实验按“Something Light”“Family Movie Night”“Quick Watches”等主题推荐内容,用户可反馈不喜欢并让应用记住。
Apple 在 watchOS 27.3 开发者测试版中推出 Audio Intelligence,让 Siri 接入 Apple Watch 麦克风。新增的 Siri Recap 通过环境聆听生成对话摘要,Live Rewind 可生成过去 15 秒音频的文字记录,双击数码表冠即可查看。
Netflix 周二宣布上线新的 AI Discover 标签页,用户可按心情、观看偏好、可用时间或热门新片选择主题,获得推荐。首批主题包括 something light、scare me、family movie night、quick watches 等,每个标题旁设有 Tune Your Recommendations 按钮,可保存或排除推荐。
Anthropic 在 Claude 平台推出 Message Threads 公测,API 请求不再重发完整对话历史,只传输上一条消息之后的变化。Anthropic 称在 50 万至 100 万 token 的请求中,首 token 时间降低约 35%,编码智能体、computer-use 智能体和处理大量文档或图像的工作流受益最大。
Google 将实验性 AI 应用 Dreambeans 扩展至印度,这是其首个美国以外市场,支持包括印地语、旁遮普语、泰米尔语在内的 13 种本地语言。该应用接入 Calendar、Gemini、Gmail、Photos、Search 和 YouTube 等 Google 服务,无需提示词即可生成个性化图文故事,近期还加入 Veo 模型为部分故事生成动画。
Simon Willison 的 LLM CLI 工具与 Python 库发布 0.37 版本,新增 gpt-6.1-sol 和 gpt-6.1-terra 模型,并加入 llm openai endpoint add 命令以便配置兼容 OpenAI 的端点。
Qodo 把公司知识与编码规范引入 Codex,帮助开发者在提交 pull request 前跨仓库发现 P0 级问题。
Circle K 基于 Amazon Bedrock 构建智能体式自动分诊系统,将 DevOps 事故平均分诊时间从 45–60 分钟降至 15 分钟以内,按内部指标降幅达 67–75%。
OpenAI 正着手把 ChatGPT 中的 Chat 和 Work 两个标签页合并,初期面向部分用户开放以收集反馈,之后再全面铺开。合并后用户可在同一处带入文件和插件,让 ChatGPT 建网站、做演示或代操作网页,Codex 仍保留为桌面应用中的独立体验。ChatGPT 与 Codex 还将共用同一 token 额度池,部分用户可能因此更频繁地等待额度重置。
OpenAI 为 ChatGPT 新增支付卡与设备限制:同一张卡或同一设备关联过多订阅时无法再开通新订阅,单设备付费账户数量也有上限,触发后显示“Device limit reached”,该账户无法继续在该设备使用。
OpenAI 更新支持页面称,从 12 月起 Plus、Pro 和 Business 套餐将在 ChatGPT 与 Codex 之间共用同一份 token 预算,同时把 Work 的智能体功能并入主界面。
datasette-llm 插件发布 0.1a9,现在会自动采用 LLM 的默认模型,用户无需再显式配置默认模型即可直接使用 Datasette Agent。
The Verge 编辑用 50 美元的 Waveshare ESP32-S3 1.75C 开发板,配合 Claude Code 复刻出 Meta 尚未发售的 Muse Charm 类设备。
Google DeepMind 与世界资源研究所联合开发了 ForTy(Forest Typology),把 2020 年全球陆地在 10 米分辨率下划分为原始林、天然再生林、人工林、种植园、油棕橡胶可可等树作物和其他土地 6 类,作者称这是首张此类全球地图。
Amazon Bedrock AgentCore runtime 新增 Session endpoints,为每个智能体会话提供带认证的 URL,把浏览器请求转发到会话内允许的端口,让编码智能体边改代码边在浏览器里实时预览网页应用。
Worldwide Express 基于 Amazon Bedrock 构建多智能体 AI 方案并接入其运输管理系统 SpeedShip,上线六个月后活跃异常减少 75%、回款周期缩短 4 周、年节省 100 万美元,并一次性释放 1000 万美元自由现金流。
餐厅发现应用 Zest 上线个人 AI“餐厅礼宾”智能体,用户发短信至 (212) 470-6067 即可获得推荐,并通过 OpenTable、Resy、SevenRooms 完成订位。该智能体可加入群聊,融合多人偏好并用投票功能解决分歧,还能按菜系、饮食限制、场合等条件筛选。Zest 通过 Plaid 导入信用卡餐饮消费数据来学习用户口味,目前正考虑将服务扩展至购物等场景。
Google DeepMind 与英国政府合作开发的 AI 规划工具 PlanAssist 将新增 12 个英格兰地方规划部门,总数达到 15 个,进入为期 12 个月的 Beta 阶段。
OpenAI 将 Pro 100 和 Pro 500 套餐的 Work 与 Codex 配额翻倍,Pro 200 的低档配额也翻倍,并撤销了此前计划中的削减;Plus 套餐保持不变。
Google Gemini 现在支持在聊天中直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 和代码文件,该功能即日起向所有 Gemini 用户开放。PDF 的预览和编辑在网页端与移动端均可用,其他文件格式目前仅限网页版。用户可全屏展开文档编辑,也可选中文本让 Gemini 回答问题或修改文件,例如把表格转成图表。
Meta 悄然上线 AI 时尚应用 Style Sketch,可连接 Instagram 用已发布照片搭建虚拟衣橱,也支持拍照、录视频或上传相册图片手动添加单品。应用会基于已有衣物推荐搭配,并支持按体型和肤色匹配的虚拟试穿,目前已在印度尼西亚、新加坡和泰国上线 iOS 与 Android。用户还可输入目的地、行程天数和活动安排,获得结合天气预报的逐日穿搭计划。
AWS Batch 为 SageMaker Training 作业推出配额管理功能,管理员可按团队或项目划分配额份额,并通过 RESERVE、LEND、LEND_AND_BORROW 三种资源共享策略自动出借或借用空闲 GPU 容量。
Epsilon 的 Agentic Platform 团队基于 Amazon Nova Act 与 Amazon Bedrock AgentCore Browser,把意图驱动的 UI 测试做成多租户平台服务,叠加在原有 Playwright 回归套件之上。
Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和管理购物清单、修改订阅配送周期、编辑收货地址与投放说明,并解答 Prime 与 Audible 订阅及账单问题。Amazon 称今年以来使用智能体功能的用户数增长 8 倍,过去 12 个月已有超 4 亿消费者用 Alexa 购物。
以会议记录工具起家的 Granola 上线听写功能,用户在 Mac 上按 Fn 键即可语音输入,工具会自动整理并格式化文本,可在所有应用中粘贴笔记、提示词或邮件回复,且不限字数、免费使用。该功能将陆续登陆 iOS 和 Windows。此前 Wispr 已从听写工具扩展至会议记录,Fireflies、Speechify、Monologue 等语音应用也在走向多功能融合。
《纽约时报》正在为其 Cooking 应用测试 AI 食谱修改功能,可推荐食材与厨具替换、按任意份数缩放食谱,并适配不同锅具。该功能目前向 iOS 端所有 Cooking 订阅用户开放,后续将扩大范围,定制食谱为私密内容、不可分享。部分读者在评论区质疑 AI 的环境影响与使用体验,官方表示暂不提供关闭选项。
Hugging Face 发布 AnySpeechRecognizer 和 AnyDecisionModel 两个 Swift 包,让 Apple 平台开发者可自选引擎完成语音识别与决策任务。
Amazon 在假日季前为 Alexa 新增 100 多项购物相关能力,支持创建和编辑购物清单、管理订阅周期、修改配送地址与投递说明,并解答 Prime 与 Audible 订阅及账单支付问题。Amazon 称今年年初以来使用智能体功能的用户数增长 8 倍,过去 12 个月已有超 4 亿消费者用 Alexa 购物。
Anthropic 发布一套报表工具,让企业管理者按时间段查看团队用 Claude Code 等工具产出了什么、花了多少 token、工作流在哪里卡住,并给出改进建议,默认不会把这些数据用于模型训练。
Anthropic 为 Claude for Legal 推出新的 artifacts,用交互式概览和表格处理引用核验、跨国法律比较、案件文件管理、立法追踪和按内部规范检查合同等任务。
Google 在 Android Dev Summit 上发布 Android Studio Rabbit 2,通过开源 Agent Client Protocol 支持在 IDE 内运行 40 多个编码智能体,包括 Claude Agent、Codex 和 Google Antigravity。
Google AI Mode 被直接问及"2020 年美国总统大选谁获胜"时,未直接回答,而是让用户去查阅美国联邦选举委员会(FEC)的官方报告;询问 2024 年大选时也得到类似的间接回应,2012 年大选则被引导至 The American Presidency Project 的数据中心。相比之下,对 2000 年以来其他历届大选获胜者,AI Mode 都能给出详细且正确的回答。
Legora 正在基于 OpenAI 模型、ChatGPT 和 Codex 构建面向法律工作的智能体操作系统,用于加速法律工作流并扩展合同分析能力。该方案旨在让律师从重复性事务中解放出来,专注于更高价值的工作。
Chrome 增强自动填充开始用 Gemini with Personal Intelligence 从 Gmail 中提取信息,可自动建议快递单号、航班预订号、酒店预订和近期订单号,免去用户自行翻找确认邮件。
Google 发布 Connected Apps 平台,允许企业和开发者把自己的应用接入 Gemini 和 Google Search,目前以 beta 形式面向美国开发者开放,需申请候补名单。
Google 为 Chrome 推出增强版 AI 自动填充,可从用户的 Gmail 中提取航班确认号、会员 ID、物流信息、订单号、地址、电话和信用卡号等信息填入在线表单。
NVIDIA 为 RTX Spark 轻薄笔记本带来一批更新,包括开放权重的语音模型 Nemotron 3.5 Transcribe、Liquid AI 的 LFM3 系列模型支持,以及 NVIDIA App 中可在前台应用与后台 Agent 之间分配 GPU 资源的控制项。