智谱AI宣布，其端到端情感语音技术已正式登陆智谱清言平台，并向所有用户开放。这项技术突破了传统文本转语音（TTS）技术的局限，能够深入理解上下文语境，并生成富有情感的自然对话。这标志着智谱AI的语音合成技术已经从简单的文字朗读进化到能够表达真实情感的人工智能。

据媒体报道，微软亚洲研究院前首席研究经理谭旭已于8月加入大模型创业公司月之暗面，主要负责研发端到端语音模型。谭旭加入后，其中一项重要目标是为该公司打造类似GPT-4o的语音体验。月之暗面方面暂无回应，但内部知情人士已确认谭旭已入职公司，目前尚未确定具体的职级信息。公开资料显示，谭旭研究领域为深度学习、语言/语音/音乐处理以及AI内容生成，在AI学术会议发表论文100余篇，出版学术专著《神经语音合成》。他的研究成果受到学界关注并应用于微软重要产品中，如A

西湖心辰宣布开源其研发的Westlake-Omni模型。作为全球首个开源的中文情感端到端语音交互大模型，Westlake-Omni采用了离散表示法来统一文本和语音模态，特别注重实时性，能够快速响应并提供几乎零延迟的体验。

据36氪消息，小米汽车智能驾驶团队近期完成了新一轮组织架构调整，这标志着小米汽车智能驾驶业务进入了新一轮加速期。原有的“感知”和“规控”两个二级部门合并为“端到端算法与功能部”，负责量产方案开发。这一变化意味着小米汽车智能驾驶将从传统模块化开发转向端到端大模型的技术路线。小米汽车智能驾驶业务的重组和技术路线的转变，是为了抓住用户心智、维持高销量。市场上新车层出不穷，角逐城区智驾的品牌不在少数。小米汽车想要在这一领域占据领先地位，因此

近日，一款名为GOT-OCR2.0的端到端OCR模型引起了业界广泛关注。这款模型不仅能够处理常规文本识别任务，还能应对公式、表格、乐谱等复杂内容，堪称OCR领域的全能选手。GOT-OCR2.0的核心优势在于其多样化的功能和卓越的性能。首先，该模型主要支持中英文字符识别，并且通过进一步微调，可以扩展到更多语言。这种语言适应性使得GOT-OCR2.0在国际化应用中具有显著优势。在实际应用场景中，GOT-OCR2.0展现出了强大的适应能力。无论是街道标志、广告牌等自然场景中的文本，还是包含表格、公

​西湖心辰科技有限公司近日在外滩大会上正式发布了国内首个端到端通用语音大模型——心辰Lingo。该模型自8月1日问世以来，经过内测预约，于9月5日向公众展示了其先进的语音处理能力。心辰Lingo能够直接理解语音，捕捉语气、节奏和情绪，并进行语音回复

Soul App在AI+社交领域取得重大突破，通过升级其自研端到端全双工语音通话大模型，实现了与虚拟人之间自然流畅的语音通话体验，几乎达到了与真人对话的逼真度。该模型具有超低交互延迟、快速自动打断、超真实声音表达和情绪感知理解能力，使得用户在使用时几乎无法区分对话对象是真人还是AI。这一创新不仅显著提升了用户在Soul上的社交体验，还展示了Soul在AI技术应用上的实力。自2020年起，Soul就致力于AIGC技术研发，通过集成多种AI能力，如语音生成、识别和对话模型，以及音乐生成模型，为用户提供丰富多样的交互体验，包括情感陪伴、实时语音互动等。未来，Soul计划进一步发展多模态端到端大模型能力，以提供更加沉浸和有趣的AI互动体验。

心辰Lingo是国内首个端到端语音大模型，内测预约已开启。此模型被认为在能力上接近GPT-4，标志着中国在语音AI领域取得重大突破。心辰Lingo的核心优势包括原生语音理解、多样化语音风格表达和高效语音模态压缩。它能够识别语音中的文字信息和捕捉其他重要特征，提供自然、生动的交互体验，并根据上下文和用户指令灵活调整语音风格。采用高压缩率的语音编解码器，心辰Lingo在保证高质量语音内容的同时，降低了计算和存储成本。作为端到端模型，它整合了从语音输入到语音反馈的完整交互流程，为用户提供全面、流畅的语音交互体验。心辰Lingo的推出有望在智能助手、语音交互、教育培训等多个领域带来新的可能性，市场对其实际表现充满期待。

​科大讯飞星火语音大模型迎来了全新的升级，推出了名为“星火极速超拟人交互”的新一代交互体验。这一升级在多个方面进行了优化和增强，旨在为用户提供更加自然、流畅和富有情感的对话体验。

近期，理想汽车在智能驾驶领域的组织结构调整引起了业界关注。据悉，理想汽车已成立专门的"端到端自动驾驶"实体组织，团队规模约200人，同时公司其他团队成员也在灵活支援该项目。

["蚂蚁集团 CodeFuse 宣布开源 DevOps-ChatBot 端到端 AI 智能助手","DevOps-ChatBot 是一个专为软件开发的全生命周期设计的开源端到端智能 AI 助手","项目支持私有化部署，保障数据安全性和特定任务的高可用性","通过结合知识库、知识图谱增强等技术，保证生成内容的准确性和及时性","项目还支持交互修改代码、编译执行，确保答案的可靠性"]