←搜索结果

搜索“语音”

按匹配度 · 共 1394 条结果 清除搜索

星期一

  1. 事实所属事件

    Kotoba语音API在fal上线

    fal 宣布 Kotoba 的语音 API 已上线。据 fal 发布的信息,该 API 支持实时语音翻译(文本与音频输出)、流式音频转写、预设音色语音生成,以及带可选词级时间戳的录音转写。目前该事件仅有 fal 这一来源的报道,尚无后续发展事实。

    匹配字段标题

    查看事件：Kotoba语音API在fal上线

星期五

  1. 事件1 条新闻 · 1 个事实

    NTT Docomo Business在福岛试点语音社区平台

    NTT Docomo Business在福岛会津若松试点基于ElevenAgents的语音社区平台。该试点携手武田健康基金会,并在会津若松市协助下开展,其AI助手CONN为老年居民提供本地信息和日常对话。团队表示,日语语音合成的自然语调和情感表达是选择ElevenLabs的决定性因素。现场试验于2025年秋季开始,早期用户反馈积极。目前该试点仍在进行中,尚无进一步的发展事实披露。

    匹配字段标题

  3. 事件2 条新闻 · 1 个事实

    OpenAI 推出 GPT-Live-1.1 语音更新

    2026年10月16日,OpenAI 推出 GPT-Live-1.1 语音更新,为 ChatGPT、Codex 和 dots 的语音功能带来新声音、更好的口音以及更少的“checking...”停顿,并新增法语、德语、印地语、墨西哥西班牙语、韩语和日语语音。据 OpenAI 当日发布的信息,该更新今日起向所有用户推送,API 即将上线。另有 Testing Catalog 同日报道称,此次升级修复了持续显示“Checking..”的问题,API 支持即将推出。目前尚无进一步有证据支持的发展。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    马斯克称 Grok 是全球最佳对话语音模型

    2026年10月15日,马斯克发帖称 Grok 是全球最好的对话语音模型。他所引用的帖子介绍 Grok Voice 3.0 为全球最智能的语音到语音模型,擅长处理客户来电,响应时间不到一秒,成本低于其他前沿模型。目前没有后续发展事实,该说法仍为马斯克本人表态。

    匹配字段标题

  7. 事件1 条新闻 · 1 个事实

    NAVER Cloud 在 ACL 2026 介绍 Sommelier 语音数据管线

    NAVER Cloud 在 ACL 2026 发布论文,介绍名为 Sommelier 的语音数据管线。据 NAVER / CLOVA 研究发布的信息,Sommelier 是一个可扩展的开源多轮音频预处理管线,面向全双工语音语言模型。该管线把真实对话中的重叠语音、插话和反馈保留下来,而非当作噪声删除,从而让模型学会实时打断与回应。部分管线已开源供研究使用。目前该故事尚无后续发展事实,状态停留在论文发布与管线介绍阶段。

    匹配字段标题

星期四

  1. 事件1 条新闻 · 1 个事实

    Square 推出带 AI 语音点单的 Square Kiosk

    2026 年 10 月 14 日,Square 推出名为 Square Kiosk 的自助点单终端,搭载可实时对话的智能体语音层,能理解商家菜单并支持顾客提问、修改和替换订单。设备配备 21.5 英寸触摸屏、飞行时间传感器和三麦克风 AI 降噪,具备存在检测迎宾功能,支持非接触支付、插卡付款、PIN 支付与礼品卡扫描,语音与触屏可随时切换。报道称该设备售价 1999 美元,另收每台每月 99 美元软件费,当天起在美国面向 Square Plus 或 Premium 订阅商家发售,仅支持英语;Square 同步推出面向大型连锁快餐的多账户管理方案。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    Apple 提出从语音直接检测语码转换的轻量方法

    2026年10月15日,Apple Machine Learning Research 提出一种直接从语音中检测语码转换(CS)的轻量方法,利用预训练语音编码器帧级的语言信息,判断一句话中是否同时出现两种语言。据该研究,在 CS-FLEURS 的 14 个语言对上,Whisper-small 编码器取得平均 F1 0.798,高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。该方法只需少量 CS 数据调整决策规则,可用于筛选多语言语料。目前尚无后续发展事实。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    Gnani AI 发布 Timbre v3.0 语音合成模型

    2026年10月14日,Gnani AI 发布文本转语音模型 Timbre v3.0。据 Analytics India Magazine 报道,该模型支持通过音频标签控制低语、大笑、叹气、喊叫以及停顿、放慢或加快语速;无标签时,模型会根据语义、语气和标点自动调整表达。报道称,Timbre v3.0 可在 200 毫秒内生成首段音频,支持流式播放与长文本合成,并具备跨语言保持音色一致和文本规范化能力。报道还提到,Timbre 目前已驱动超过 10 万小时语音通话。目前尚无后续发展事实。

    匹配字段标题

  6. 事件1 条新闻 · 1 个事实

    SquadStack.ai 发布流式语音转文本模型 Arth V2

    2026年10月12日,SquadStack.ai 发布流式语音转文本模型 Arth V2。据 Analytics India Magazine 同日报道,该模型在 863 通真实印度销售电话基准上语义词错误率为 8.85%,80% 情况下在客户说完后 67 毫秒内返回最终转写。报道称,其含义改变类错误比 Sarvam Saaras v4 少 18%、比 Google Gemini 3.5 Transcribe 少 26%、比 OpenAI gpt-live-transcribe 少 28%。该模型已用于 SquadStack.ai 的企业语音 AI 智能体,并以封闭测试形式向其他团队开放。目前尚无后续发展事实。

    匹配字段标题

星期日

  1. 事件1 条新闻 · 1 个事实

    OpenRouter上线HeyGen Voice语音模型

    OpenRouter 宣布上线 HeyGen Voice 语音模型。据 OpenRouter 发布的信息,10 月 31 日前该模型五折优惠:HeyGen Voice 每百万字符 15 美元(原价 30 美元),低延迟版 HeyGen Voice Turbo 每百万字符 7.50 美元(原价 15 美元)。目前该故事尚无后续发展事实,状态停留在上线与限时优惠公布阶段。

    匹配字段标题

星期三

  1. 事实所属事件

    OpenRouter上线HeyGen Voice语音模型

    OpenRouter 宣布上线 HeyGen Voice 语音模型。据 OpenRouter 发布的信息,10 月 31 日前该模型五折优惠:HeyGen Voice 每百万字符 15 美元(原价 30 美元),低延迟版 HeyGen Voice Turbo 每百万字符 7.50 美元(原价 15 美元)。目前该故事尚无后续发展事实,状态停留在上线与限时优惠公布阶段。

    匹配字段标题

    查看事件：OpenRouter上线HeyGen Voice语音模型

  3. 事件2 条新闻 · 1 个事实

    Sarvam AI 推出 Bulbul V4 Flash 文本转语音模型

    2026年10月13日,Sarvam AI 推出面向印度语言的文本转语音模型 Bulbul V4 Flash。据其官方博客,该模型在生产环境下首音频延迟低于 250 毫秒,定价为每 10,000 字符 20 卢比,比 Bulbul V3 的 30 卢比便宜三分之一;模型基于 V4 研究蒸馏而来,训练数据超过 4000 亿音频 token,语音库规模较 V3 扩大近七倍,并针对实时对话优化了推理栈。10月14日,Analytics India Magazine 报道称,该模型支持 11 种语言,提供 83 种音色和 224 种音色与风格组合,在可比负载下比 V3 快最多 40%,已通过 Sarvam API、Playground 和 Content Studio 开放,现有 Bulbul 用户可经原 API 迁移;Sarvam 还预览了主打情感表达的 Bulbul V4 Pro,但未公布发布时间与价格。目前该模型已开放使用。

    匹配字段标题

星期二