在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（Part 1）
AWS 发布教程，演示如何用 vLLM-Omni DLC 在 Amazon SageMaker AI 上部署 Qwen3-TTS，通过 SageMaker 双向流式连接实现文本流入、24 kHz PCM 音频分块流出，并配套 Gradio 应用。
#语音
#语音
今日 1 条AWS Machine Learning BlogAI 评分3434
AWS Machine Learning BlogAI 评分3434 在 Amazon SageMaker AI 上部署 Qwen3-TTS 实时个性化语音
阿里云 Qwen 团队开源的 Qwen3-TTS-12Hz-1.7B-Base 已上线 Amazon SageMaker JumpStart，可部署到全托管实时推理端点，仅凭几秒参考音频和对应文本即可克隆音色，无需重新训练。该模型覆盖中文、英文、日文等 10 种语言，支持跨语言克隆与流式生成，输出 24 kHz 音频，同系列还有 CustomVoice 和 Qwen3-ASR-1.7B 可选。
Google DeepMind精选AI 评分6767 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的实时视频对话能力、97 种语言同步与异步工具调用细节，可据此判断企业级多模态交互的落地形态。
AWS Machine Learning BlogAI 评分2626 在 SageMaker AI 上用 WhisperX 实现带说话人标注的转录
AWS 发布 WhisperX Deep Learning Container，在 OpenAI Whisper 基础上加入批处理推理、wav2vec2 强制对齐的逐词时间戳和说话人分离，可部署到 Amazon SageMaker AI 实时或异步端点，无需自建镜像。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，前者面向角色设计与逐行表演指导，后者面向高并发配音与语音智能体。
推荐理由：官方给出两款 TTS 的定位差异、可用入口与基准排名，便于判断语音生成在配音和播客场景的落地方式。
OpenAI NewsAI 评分2222 Ringg 用 OpenAI 模型让 AI 智能体解决高达 65% 的客服来电
Ringg 基于 GPT-5.6 打造的 AI 智能体可解决高达 65% 的客服来电，覆盖语音、聊天、WhatsApp 和网页等多语言场景，成本相比 GPT-4.1 降低 90%。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务和多步推理。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的落地成熟度。
OpenAI News精选AI 评分6565 OpenAI 在 API 中推出 GPT-Live-1 语音模型
OpenAI 在 API 中推出 GPT-Live-1，支持自然的全双工语音对话。该模型具备更强的指令遵循能力，支持自定义音色和电话（telephony）接入。
推荐理由：OpenAI 把全双工语音对话能力开放到 API，开发者可据此判断语音应用的接入方式与能力边界。