Introducing Gemini Omni★ 95
Google DeepMind Blog16d agoReleaseGoogle DeepMind 發表新一代「Gemini Omni」模型，採用原生端到端全模態架構，能同時處理並輸出文字、音訊與視覺資訊。該模型顯著降低了互動延遲，實現如同真人般的流暢對話與即時視訊引導，未來將深度整合至 Android 系統與 Google 生態系，並透過 API 開放給開發者。
[AINews] GPT-Realtime-2, -Translate, and -Whisper: new SOTA realtime voice APIs★ 85
Latent Space25d agoReleaseOpenAI 推出全新一代即時語音與音訊 API，包含 GPT-Realtime-2、GPT-Translate 以及 GPT-Whisper。這些 API 將 GPT-5 的強大能力導入語音領域，提供全新業界領先（SOTA）的即時語音互動、多語言翻譯與語音識別效能，展現了 OpenAI 將 GPT-5 架構全面鋪設至各類應用場景的野心。
Gemini 3.1 Flash Live: Making audio AI more natural and reliable★ 85
Google DeepMind Blog68d agoReleaseGoogle DeepMind 發表最新語音模型 Gemini 3.1 Flash Live。該模型專為即時語音互動設計，透過顯著降低延遲與提升精準度，讓 AI 語音對話變得更加流暢與自然。這項更新將大幅優化語音助理與即時互動應用的使用者體驗，並為開發者提供更強大的即時語音 API 支持。
Improved Gemini audio models for powerful voice experiences★ 85
Google DeepMind Blog172d agoReleaseGoogle DeepMind 宣布推出改進後的 Gemini 音訊模型，專為即時語音體驗進行優化。新模型採用原生多模態架構，無需經過「語音轉文字」的中介步驟，即可直接理解並生成語音，大幅降低延遲。這項升級將賦予開發者構建更具情感表現力、反應更迅速的語音助理與互動應用的能力，並已陸續在 Google AI Studio 與 Vertex AI 上線。
BNP Paribas Open: Serving up scores and experiences in real time with Work & Co and Vercel
Vercel Changelog588d agoBusinessBNP Paribas Open（巴黎銀行公開賽）為應對賽事期間龐大的即時流量，與數位機構 Work & Co 合作，將其數位平台遷移至 Vercel。透過 Next.js 與 Vercel 的邊緣基礎設施，成功實現毫秒級的即時比分更新與極致的網頁效能，為全球數百萬網球愛好者提供不間斷的流暢體驗。
Architecting a live look at reliability: Stripe's viral Black Friday site★ 72
Vercel Changelog868d agoCommentaryStripe 在黑色星期五期間推出的實時交易數據看板，因其精美的 3D 視覺與流暢的實時數據更新在社群爆紅。本文深入解析該網站如何利用 Vercel 的邊緣網路（Edge Network）與 Next.js 架構，在面對全球數百萬次即時請求時，依然保持 100% 的可用性與毫秒級的數據同步，為現代高流量 Web 應用提供了極佳的架構範本。