ページを読み込み中…
ページを読み込み中…
29件の記事
ByteDance の Seed チームは、音声・映像・テキストを単一アーキテクチャで融合しリアルタイムに相互作用する LLM「SeedRealtime」を発表した。
ByteDance は企業 AI アプリで、オブジェクトストレージのファイルを即座に検出しベクトル化してデータベースへ反映するリアルタイム処理パイプラインを実践した。
Google は Gemini Live API を公開し、オーディオ、画像、テキストの連続ストリームを処理して即時かつ人間らしい応答を提供する低遅延のリアルタイム対話機能を導入した。
xAI が開発した音声対話モデル「Grok Voice Think Fast 2.0」が Vercel の AI Gateway で利用可能となり、推論と発話を並行実行することで遅延を削減し、ツール呼び出しの高速化を実現した。
Vercel は AI Gateway にストリーミング文字起こし機能を追加した。これにより、音声キャプチャ時にリアルタイムで文字起こし結果を取得でき、ライブ字幕や音声入力での遅延を低減できる。