搜索“语音”

Together AI原生上线Deepgram语音模型

Together AI 原生上线 Deepgram STT与TTS模型系列

查看事件：Together AI原生上线Deepgram语音模型

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。

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。

Cartesia发布语音代理开发平台Line

2025年8月19日,Cartesia发布语音代理开发平台Line。该平台采用代码优先设计,开发者可通过SDK、CLI和GitHub集成快速构建和部署语音代理。Line集成Sonic和Ink模型,提供低延迟、可扩展的基础设施,并支持企业本地部署和模型微调。

Mistral AI发布Voxtral语音模型

Cartesia发布Ink语音转文字模型

2025年6月10日,Cartesia推出Ink系列流式语音识别模型,首发Ink-Whisper基于OpenAI Whisper优化,面向实时语音智能体。Ink-Whisper在背景噪声、专有名词、口音等场景下WER优于whisper-large-v3-turbo,并实现最低TTCT,价格为1 credit/秒(Scale计划$0.13/小时)。

Cohere发布开源语音识别模型

Cohere 发布 开源语音识别模型Cohere Transcribe

查看事件：Cohere开源多语种语音识别模型

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。

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。

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。

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。

Vapi 介绍语音延迟优化方案

2025年7月14日,Vapi 介绍了一套针对语音 AI 延迟的优化方案。据 Vapi Blog 当日发布的内容,该方案通过动态路由系统将每次请求发往当时最快的 Azure OpenAI 部署,把 GPT-4o mini 的 P95 延迟削减了超过 1000ms。具体做法上,系统先用单 token 请求轮询 40 多个部署,再结合线上真实延迟实时更新路由表,并保留少量流量探索其他部署。针对请求无响应挂起的情况,方案按各部署历史标准差设置动态阈值,超时即回退到次快部署。目前该事实仅有 Vapi 官方博客这一来源,暂无后续发展事实。

Sarvam AI 推出 Saaras V3 语音识别模型

Sarvam AI 推出 Saaras V3 语音识别模型

查看事件：Sarvam AI 推出 Saaras V3 语音识别模型

Instawork 用 Vapi 语音代理将电话筛选扩展 50 倍

Instawork 部署 Vapi 语音代理

查看事件：Instawork 用 Vapi 语音代理将电话筛选扩展 50 倍

Amp新增语音请求交接功能

Amp 新增 语音请求交接功能

查看事件：Amp新增语音请求交接功能

Vapi 推出 Squads 语音 AI 多助手编排功能

Vapi 推出 Squads

查看事件：Vapi 推出 Squads 语音 AI 多助手编排功能

Microsoft AI 发布语音生成模型 MAI-Voice-1

Microsoft AI 发布 MAI-Voice-1

查看事件：Microsoft AI 发布语音生成模型 MAI-Voice-1

Cartesia发布语音代理开发平台Line

Cartesia 发布 语音代理开发平台Line

查看事件：Cartesia发布语音代理开发平台Line

Mistral AI发布Voxtral语音模型

Mistral AI 发布 Voxtral系列开源语音理解模型

查看事件：Mistral AI发布Voxtral语音模型

Vapi 介绍其语音延迟优化方案

Vapi 介绍 将请求动态路由到最快部署并设置动态回退阈值的延迟优化方案

查看事件：Vapi 介绍语音延迟优化方案