←搜索结果

搜索“语音”

按匹配度 · 共 561 条结果 清除搜索

星期五

星期日

  1. 事件1 条新闻 · 1 个事实

    xAI推出Custom Voices语音克隆功能

    2026年4月30日,xAI推出Custom Voices语音克隆功能。据xAI官方信息,用户录制约一分钟自然语音即可克隆自己的声音,并在两分钟内生成可用于生产的语音模型。该功能接入Grok Text to Speech和Voice Agent API,支持语音标签、多语言输出以及REST和WebSocket流式传输,使用自定义声音不额外收费。创建前需通过两阶段验证:先朗读验证短语由STT引擎实时比对,再比对说话人嵌入向量确认同一人,因此无法用已有录音或他人声音进行克隆。目前该功能已随发布上线,暂无后续发展事实。

    匹配字段标题

  2. 事件2 条新闻 · 1 个事实

    谷歌发布Gemini 3.1语音模型

    2026年4月15日,Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型。据官方信息,该模型可通过 audio tags 精细控制语音风格、节奏和表达,支持 70 多种语言及原生多说话人对话,在 Artificial Analysis TTS 排行榜获得 1,211 Elo 分,并正逐步上线 Google AI Studio、Vertex AI 和 Google Vids,生成的音频均带有 SynthID 水印。目前尚无后续有证据支持的发展。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    xAI发布Grok语音转文字与文字转语音API

    2026年4月17日,xAI发布两个独立音频API:Grok Speech to Text(STT)和Grok Text to Speech(TTS),基于驱动Grok Voice、Tesla车辆和Starlink客服的同一套技术栈。据xAI官方信息,STT支持REST批量转写与WebSocket实时转写,具备词级时间戳、说话人分离、多声道和逆文本归一化,覆盖25+语言,批量定价每小时0.10美元、流式每小时0.20美元;TTS支持[laugh]、[sigh]、[whisper]等语音标签控制语气与情感,定价每100万字符15.00美元。目前尚无后续发展事实,状态为发布当日。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    Cohere开源多语种语音识别模型

    2026年3月26日,Cohere发布开源权重的Conformer语音识别模型Cohere Transcribe,并开放下载。该模型可将14种语言的语音转为文本,在Hugging Face Open ASR Leaderboard上的平均词错误率为5.42%。模型支持本地或端侧运行,用户也可通过设有速率限制的免费API及Model Vault使用。

    匹配字段标题

  6. 事件1 条新闻 · 1 个事实

    Amp新增语音请求交接功能

    2026年1月13日,Amp新增Handoff功能,用户无需点击按钮或触发命令,可直接用自然语言要求智能体交接线程,例如说“Handoff and build an admin panel for this”。智能体会携带相关上下文开启新线程并继续工作。该功能用于替代线程过长时的压缩操作。

    匹配字段标题

星期五

星期三

星期四

星期四

星期三

  1. 事件1 条新闻 · 1 个事实

    Sarvam AI 推出 Saaras V3 语音识别模型

    2026年2月11日,Sarvam AI 推出 Saaras V3 语音识别模型。据 Sarvam AI Blog 当日发布的信息,该模型原生支持流式低延迟解码,覆盖 22 种印度官方语言和英语。在 IndicVoices 基准上,Saaras V3 的 WER 约为 19%,早先版本 V2.5 约为 22%。模型基于 100 万小时以上多语言音频训练,在 10 种最常用语言子集上 WER 为 19.31%,并在低资源语言上保持稳定准确率。目前尚无后续发展事实。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    Instawork 用 Vapi 语音代理将电话筛选扩展 50 倍

    Instawork 部署 Vapi 语音代理,将小时工岗位的电话初筛规模扩大 50 倍。据 Vapi Blog 2026 年 1 月 14 日报道,Instawork 每月在 Vapi 上运行 100 万+分钟语音筛选,达到每天约 16,000 个岗位批准,技能匹配成功率提升 30%,单次通话成本降低 85%,从概念到高并发生产上线仅用约 30 天。Instawork 于 2025 年初在评估多个语音 AI 工具后选择 Vapi,看重其大规模可靠性、对 LLM/STT/TTS 与工具调用的灵活配置,以及面向非技术团队的仪表盘。目前没有后续发展事实。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    Vapi 推出 Squads 语音 AI 多助手编排功能

    2025年11月13日,Vapi 发布 Squads,面向开发者提供多助手协作的语音 AI 编排方案。据 Vapi Blog 介绍,开发者可用多个专职语音助手通过交接协作处理复杂对话,并在交接中保持上下文;每次交接可分别设置上下文规则,包括不传、传最近 N 条或全部消息,交接过程无音频中断,同一 Squad 可同时用于语音和 SMS。该文还称 Fleetworks 已通过 Squads 每天处理 240,000 通电话。目前没有后续发展事实,状态停留在发布与功能说明阶段。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Microsoft AI 发布语音生成模型 MAI-Voice-1

    2025年8月29日,Microsoft AI 发布首个高表现力语音生成模型 MAI-Voice-1。据 Microsoft AI Blog 同日发布的信息,该模型已在 Copilot Daily 和 Podcasts 中上线,并在 Copilot Labs 提供体验;其可在单张 GPU 上不到一秒生成一分钟音频。同一来源还提到,微软 AI 首个端到端训练的基础模型 MAI-1-preview 已在 LMArena 开启公开测试,这是一个在约 15,000 块 NVIDIA H100 GPU 上完成预训练和后训练的 MoE 模型,未来数周将逐步用于 Copilot 的部分文本场景。目前没有后续发展事实,状态停留在发布与公开测试阶段。

    匹配字段标题

星期三

星期三

星期二

星期四

星期五