←搜索结果

搜索“语音”

按匹配度 · 共 561 条结果 清除搜索

星期四

星期日

  2. 事件1 条新闻 · 1 个事实

    Cartesia发布语音识别模型Ink-2

    2026年7月9日,Cartesia发布语音识别模型Ink-2,面向实时语音智能体。截至2026年6月,该模型在Artificial Analysis流式排行榜上以最低词错率排名第一,并内置语义端点检测,无需外部VAD即可发出turn.start、turn.eager_end、turn.end事件。在AppTek多口音基准上,Ink-2词错率为8%,优于Deepgram Flux的10%和ElevenLabs Scribe v2的12%;Time-to-Final-Transcript为0.1秒。现已通过API及LiveKit、Vapi、Pipecat等平台提供。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    分享语音推理扩容方法

    ElevenLabs 研究工程师 Angelos Perivolaropoulos 于 2026 年 6 月 30 日分享并测试了通过标准工程优化提升单 GPU 语音推理吞吐的方法。主要手段包括连续批处理、FP8 量化、多 token 预测和经蒸馏适配的 FP8 KV cache。其中,KV cache 缩小 2.5 倍后,吞吐量从 28 名用户增至 70 名;架构级改造则可达到约 140 名用户。各项技术会引入延迟、内存上限或质量损失,实际选择取决于具体工作负载。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    Cartesia发布语音AI术语入门指南

    2026年6月30日,Cartesia发布语音AI术语入门指南,系统解释STT、VAD、Turn Detection、TTS、Barge-in等核心概念。指南指出,其最新Ink-2 STT模型内置转向检测,无需单独VAD模型,可简化语音智能体流水线。指南还涵盖语音隔离与降噪,帮助理解对话式语音AI的评测结果。

    匹配字段标题

  6. 事件1 条新闻 · 1 个事实

    作者用10欧元玩具机器人搭建LLM语音代理

    2026年5月30日,作者Mario Zechner分享了一个用低成本玩具机器人搭建LLM语音代理的方案。他花10欧元买下Silverlit YCOO NEO OCTOBOT玩具机器人,拆解后逆向其单层PCB,移除主控IC并直接接管H桥驱动电机。方案用Adafruit FT232H让手机充当显示屏与USB控制端,服务端跑在笔记本上,用TypeScript和Node管理语音转文字、文字转语音、LLM与智能体,目标是让所有模型本地运行以保护孩子隐私。

    匹配字段标题

星期三

星期四

星期三

星期六

星期二

星期三

  1. 事件1 条新闻 · 1 个事实

    Vapi 介绍用代码引导生成语音代理集群的框架

    2026年6月17日,Vapi 介绍了一套用代码引导生成语音代理集群的框架。据 Vapi Blog 当日发布的文章,Vapi 主页运行着 15 个语音智能体,覆盖 3 类场景、5 种语言,它们并非在控制台逐个手工搭建,而是从一份 ROUGH_DRAFT.md 草稿出发用代码批量生成。该框架分为 plan、draft、bootstrap、harden 四个阶段,默认使用 OpenAI gpt-4.1(温度 0.5)、ElevenLabs 与 Deepgram nova-3 等组件,并通过幂等 upsert 循环把状态存入 .env.local,重复运行不会重复创建。文章称,克隆仓库并配置 VAPI_PRIVATE_KEY 后运行 bun run bootstrap 即可复现。目前该故事尚无后续发展事实。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    Microsoft 发布 MAI-Voice-2 文本转语音模型

    2026年6月3日,Microsoft 发布文本转语音模型 MAI-Voice-2。据 Microsoft AI Blog 当日报道,该模型从仅支持英语扩展到 15 种语言,并新增 sad、whispered、excited 等情感标签控制。报道称其支持用 5-60 秒参考音频做零样本声音克隆,在对比测试中被 72% 的偏好选择优于前代 MAI-Voice-1。报道还称该模型现已上线 Microsoft Foundry,并正在集成进 VSCode 和 Dynamics 365 Contact Center。目前尚无后续发展事实,状态以发布时信息为准。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    Microsoft 发布 MAI-Transcribe-1.5 语音转文本模型

    2026年6月2日,Microsoft 发布 MAI-Transcribe-1.5 多语言语音转写模型。据 Microsoft AI Blog 当日报道,该模型语言覆盖从 25 种扩展到 43 种,在 FLEURS 基准上取得 43 种语言的最佳词错误率,Artificial Analysis 榜单 WER 为 2.4%、排名第 3。转写速度方面,一小时音频转写耗时不到 15 秒,长音频速度最高为 Gemini 3.1、Scribe v2、GPT-4o-Transcribe 的 5 倍。模型新增关键词偏置功能,在 FLEURS 上可将 WER 最多降低 30%。发布时该模型已接入 Copilot、Teams、GitHub 和 Dynamics 365 Contact Centre,并在 Foundry 与 MAI Playground 提供。目前尚无后续发展事实。

    匹配字段标题

星期三

星期三

星期二

星期六