Core Viewpoint - The article discusses the launch of Agora's conversational AI engine, DeepSeek, which offers low-latency, real-time voice interaction capabilities at an extremely low cost, making it accessible for developers to integrate AI into applications [1][4][17]. Pricing and Cost Efficiency - The cost of using the AI engine is remarkably low at 0.098 yuan per minute, with an initial offer of 1000 free minutes for new users [3][5]. - Average conversation length is approximately 21.1 seconds, resulting in a cost of only 0.03 yuan per interaction, leading to a monthly cost of less than 0.5 yuan for 15 interactions [5]. Technical Performance - The engine achieves a median response latency of 650 milliseconds, significantly below the 1.7 seconds threshold for natural conversation [7][8]. - It supports interruption of responses with a low latency of 340 milliseconds, mimicking human conversation dynamics [9]. - The engine can filter out 95% of background noise, ensuring high-quality voice recognition even in noisy environments [9]. Network and Compatibility - Agora has established over 200 data centers globally, allowing for stable connections even in poor network conditions, with the ability to maintain communication despite 80% packet loss [10]. - The engine is compatible with various large models, including DeepSeek and ChatGPT, and supports over 30,000 device types, ensuring broad accessibility [10][16]. Developer Accessibility - The integration process for developers is simplified to just two lines of code, allowing for deployment of a conversational AI agent within 15 minutes [11][12]. - Developers can easily switch between different underlying models and voice synthesis providers without altering the front-end logic [13][14]. New Service Model - The launch of the conversational AI engine signifies the emergence of a "voice interaction as a service" model, decoupling RTC technology from large model development [17][18]. - Agora positions itself as a middleware provider in the AI voice interaction ecosystem, facilitating the integration of RTC technology into various AI applications [19][21].

Builders 是由 @Magineer、@有新Newin 以及 @深思SenseAI 联合推出的人物专栏，旨在发现与分享更多的优秀出海创业团队与独立开发者，我们将 定期邀请生态范围内的创始人与团队展开对话。 Tripo.AI 的迭代与未来蓝图 我们尝试基于文章内容，提出更多发散性的推演和深思，欢迎交流。 - 产品和技术能力是生成模型类公司的基本盘 ，Tripo.AI 早期从"生成快"这个点突破，在数据积累和 Scaling law 上坚持推进。 今天我们邀请到的嘉宾是 VAST CMO Sienna，邀请她和我们分享 VAST 的产品 Tripo.AI 在过去的一年时间中如何找到自己的用户，并探索用户增 长。 - 用户不断破圈很重要 ， 从AI科技爱好者，扩展到泛互联网3D设计和实体工业3D打印设计，目前也开始吸引 Roblox 平台的内容消费者。 在访谈中，我们深入探讨了目前 VAST 的产品和技术能力，拆解了目前 Tripo.AI 的核心用户画像及对应的商业模式。同时，由于 3D 内容资产天然比 较难买量传播，Tripo.AI 摸索出了一条社区运营为核心的破圈策略，Sienna 在访谈中为我们分享了很 ...

已经可以做到 "快准狠" 了。 金磊 梦晨 发自 凹非寺 量子位丨公众号 QbitAI 家人们，撰写和修改病历这事儿，那个让无数医生耗时耗力的环节—— 病历内涵质控，现在有了大模型来当得力帮手。 所谓病历内涵质控，简单来说指的就是对病历内容的质量控制。 正如我们刚才提到的，现在这件难事儿，已经靠大模型的辅助，找到了一种能兼顾效率和质量的解 法。 而且纵观整个 "AI+ 医疗" 赛道，很多医疗信息化厂商都将大模型应用落地的箭头指向类似病历内涵 质控这样的应用 "靶点"。 之所以如此，是因为处理病历这项工作，正与大模型的 "气质" 极其相符——专治繁琐、量大的信息 处理工作。 由此便可以让医生从中解放出更多的时间，投入到更匹配其专业方向的工作中。 那它为什么会让医生们如此耗时耗力呢？ 首先，病历本身就会完整、真实地反映出诊疗的全过程，不论对于患者或者医生，还是对医院的管 理而言，重要程度都不言而喻。 毕竟从前期的出诊，到后期的治疗方案、查房、手术等众多环节，病历都会贯穿其中，收纳、承载 和呈现所有相关信息。每一份病历涉及到的信息量都是非常大，也是非常关键的。 而病历内涵质控，强调的是一种逻辑质控，难点就是逻辑非常 ...