←搜索结果

搜索“语音”

按匹配度 · 共 1394 条结果 清除搜索

星期一

  2. 事件1 条新闻 · 1 个事实

    TII发布1.6B阿拉伯语语音识别模型Falcon-ASR

    2026年10月12日,阿布扎比技术创新研究院(TII)发布1.6B参数的阿拉伯语语音识别模型Falcon-ASR。据MarkTechPost报道,该模型在6个阿拉伯语测试集上平均词错误率(WER)为20.92%,比TII榜单中最佳已发布结果低2.25个百分点。模型以阿联酋方言为重点,同一套权重覆盖阿拉伯语、英语、法语、西班牙语和葡萄牙语,并输出词级时间戳。目前仅提供Hugging Face托管demo,支持最长60秒、20MB音频,未发布权重、许可证或API。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Cartesia 为 Raise 提供语音模型,打造多语言语音体验

    2026年10月12日,Cartesia 与印度金融科技公司 Raise Financial Services 合作,为其 Dhan、Millions 等平台提供语音模型,构建多语言语音体验。据 Cartesia 产品与研究发布的信息,Cartesia 的 Sonic 文本转语音模型支持印地语、泰米尔语、泰卢固语、马拉地语等 11 种印度语言,并支持单次生成内的语码切换。目前 Dhan 语音机器人中超过 75% 的交互使用非英语语言,其中印地语占一半以上,超过三分之一的来电在非工作时间由机器人独立处理。该合作暂无后续发展事实。

    匹配字段标题

星期日

  1. 事件1 条新闻 · 1 个事实

    AISI与ElevenLabs建立语音AI安全研究合作

    2026年10月11日,英国 AI Security Institute 宣布与总部位于伦敦的 AI 语音技术公司 ElevenLabs 建立研究合作伙伴关系。据该机构博客介绍,双方将在 AI 安全与安保领域开展双向深度协作,包括共享研究、探索语音 AI 系统的新兴风险、缓解措施与最佳实践。合作还将围绕实时 AI 语音对话对人的影响积累证据,涉及人们能否在实时语音对话中区分 AI 与人类,以及对话伙伴的身份感知如何影响信任与行为。目前尚无后续发展事实,事件状态以该宣布为准。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    ElevenAgents上线合成语音检测

    2026年10月9日,ElevenLabs在ElevenAgents中发布合成语音检测功能。该功能可在通话最初几秒分析来电者语音,判定其为真人还是AI生成,企业可据此设置规则,例如优先服务真人客户、限制AI来电者的交互范围,或在敏感操作前拦截克隆语音。该功能运行在实时音频流上,不依赖音频是否带有ElevenLabs水印。同日,ElevenLabs以设计伙伴身份加入由Meta和Sierra主导的Personal Agent Protocol工作组,参与制定个人智能体向企业表明身份、代表对象及可执行操作的规范。目前该检测功能面向由Forward Deployed Engineering团队支持的企业客户开放,本月晚些时候将作为ElevenAgents内的可配置选项向更广泛的企业客户提供。

    匹配字段标题

  3. 事件2 条新闻 · 1 个事实

    HeyGen Voice登顶Artificial Analysis语音TTS竞技场

    2026年10月10日,HeyGen Voice在Artificial Analysis受控语音TTS竞技场榜单登顶,Elo为1201(1468次出场),超过Qwen-Audio-3.1-TTS-Plus的1182、Eleven v4 Turbo的1166和Eleven v4的1162。这是HeyGen首个在该竞技场评测的TTS模型,定价为每百万字符30美元,生成速度为每秒40字符,发音稳健性得分83.1%。同一来源还显示,HeyGen Voice在助手类别排名第1(得分1214)、客服类别排名第1(得分1212)、知识分享类别排名第2(得分1158)、娱乐类别排名第4(得分1178);按口音划分,在English (UK)排名第1(得分1190),在English (US)排名第2(得分1206),落后于Qwen-Audio-3.1-TTS-Plus的1220。目前没有后续发展事实。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Artificial Analysis 发布可控语音TTS排行榜

    2026年10月10日,Artificial Analysis 发布了可控语音 TTS 模型排行榜。该排行榜列出顶尖模型,并配套提供 Speech Arena 供用户为模型投票、Speech Explorer 供用户探索示例片段。目前该事件仅有这一条事实证据,尚无后续发展。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    Simon用语音模式开发博客功能

    2026年10月9日,Simon Willison 使用 Codex 语音模式为个人博客开发并部署了一个 Django 新功能。据其记录,他在 ChatGPT 桌面应用的 Codex 标签页里用语音对话模式,对着本地开发环境让 GPT-6 Astra High 开发该功能,边做饭边聊了约半小时就基本完成。随后他在 GitHub PR 中审查代码,又用半小时打字提示把导入脚本从 Git 子进程改为 API 方式并调整页面显示,最终合并部署。他认为视觉预览加键盘补充让语音交互更强,但细节仍靠打字,最大价值是能一边做饭一边干活。目前该功能已完成合并部署。

    匹配字段标题

  6. 事件2 条新闻 · 1 个事实

    LiveKit 正式发布 Agent Simulations 语音智能体测试功能

    2026年10月9日,LiveKit 正式发布 Agent Simulations,面向所有 LiveKit Cloud 项目开放。该功能用 LLM 驱动的模拟用户跑完整个场景,再由 LLM 裁判按自定义预期给出通过或失败及原因,按任务而非逐轮对话测试。CLI 可读取智能体代码自动生成场景,文本模式默认运行并可在每次 pull request 时执行,音频模式覆盖背景噪声、打断和附和声,按更高费率计费。官方博客称 Serve AI 曾用它在切换流量前以一百通真实生产通话验证一次完整的智能体重写,10 月前免费使用。目前尚无后续发展事实。

    匹配字段标题

  7. 事件1 条新闻 · 1 个事实

    TII发布Falcon-ASR语音模型

    2026年10月7日,阿布扎比技术创新研究院(TII)发布Falcon-ASR多语言语音识别模型,参数规模为1.6B,重点覆盖阿联酋方言、阿拉伯语方言、现代标准阿拉伯语和英语。据同一来源报道,该模型在Open Universal Arabic ASR Leaderboard的六个测试集上平均WER为20.92%,比该榜单快照中最佳公开结果好2.25个百分点;内部阿联酋方言评测中WER为22.73%、CER为10.19%,WER比Qwen3-Omni低4.07个百分点。模型用同一套权重支持英语、法语、西班牙语和葡萄牙语,无需指定语言,并支持词级时间戳,已在Hugging Face Demo Space开放试用,API与原生应用尚在计划中。目前尚无后续发展事实。

    匹配字段标题

  8. 事件1 条新闻 · 1 个事实

    ElevenLabs语音模型上线OpenRouter

    2026年10月7日,ElevenLabs语音模型上线OpenRouter。据OpenRouter公告,此次上线提供9个文本转语音模型和2个语音转文本模型,用户无需单独的ElevenLabs套餐,可直接用OpenRouter API key调用POST /api/v1/audio/speech和POST /api/v1/audio/transcriptions。公告还提到,Eleven v4支持音频标签控制语气,v4 Turbo面向实时场景且按v4半价计费,Scribe v2支持说话人标注与词级时间戳。目前尚无后续发展事实。

    匹配字段标题

  9. 事件1 条新闻 · 1 个事实

    AWS发布语音旅行助手构建教程

    2026年10月6日,AWS发布了一套构建语音旅行助手的方案教程。该方案基于Amazon Bedrock AgentCore、Amazon Bedrock Knowledge Bases和Amazon Nova 2.5 Sonic,面向航空公司应用场景,旅客可通过语音查询行程、改座位、更新餐食偏好和咨询政策。方案通过AgentCore Gateway以MCP连接后端,使用Strands Agents框架并托管在AgentCore runtime,同时支持转接人工客服。前端由AWS Amplify托管,后端使用Lambda、DynamoDB和API Gateway。目前该事实仅有AWS官方发布这一项证据,暂无后续发展。

    匹配字段标题

星期五

星期六

星期三