语音与音频

近 30 天 10 条动态

近期动态

周五 1 条

周三 2 条

周六 1 条

X(@ArtificialAnlys)评分56多人场景下其他API词错率超10%,Nemotron 3.5 Transcribe最高5.6%对比数据显示,Nemotron 3.5 Transcribe在两名说话者场景下的WDER为1.7%,当说话者增至五至八名时升至5.6%;在最大规模群组中,其他API的错误词比例均超过10%。展开收起

对比数据显示,Nemotron 3.5 Transcribe在两名说话者场景下的WDER为1.7%,当说话者增至五至八名时升至5.6%;在最大规模群组中,其他API的错误词比例均超过10%。

周五 3 条

IT之家评分51腾讯混元发布实时语音模型 Hy Realtime,已上线元宝语音通话和腾讯客服腾讯混元发布实时语音模型 Hy Realtime,新增基于对话上下文的工具调用和唱歌能力,并提升语音理解、指令遵循及拟人化表达。模型已上线元宝语音通话、腾讯客服,近期将上线腾讯云并提供接口服务;官方称后续将继续优化双工交互和长期个性化记忆。展开收起

腾讯混元发布实时语音模型 Hy Realtime,新增基于对话上下文的工具调用和唱歌能力,并提升语音理解、指令遵循及拟人化表达。模型已上线元宝语音通话、腾讯客服,近期将上线腾讯云并提供接口服务;官方称后续将继续优化双工交互和长期个性化记忆。

X(@ArtificialAnlys)评分46SOV-Transcribe-1词错误率达2.3%,领先下一款开源权重模型0.5个百分点SOV-Transcribe-1的词错误率为2.3%,比下一款开源权重模型低0.5个百分点。Voxtral Small与Nemotron 3.5 Transcribe的词错误率均为2.8%,构成同一基准下的模型对比。展开收起

SOV-Transcribe-1的词错误率为2.3%,比下一款开源权重模型低0.5个百分点。Voxtral Small与Nemotron 3.5 Transcribe的词错误率均为2.8%,构成同一基准下的模型对比。

X(@ArtificialAnlys)评分56SOV-Transcribe-1发布,成为AA-WER排名第一的开源权重语音转文本模型据帖文,Salesforce与Missionforce Sovereign AI团队发布SOV-Transcribe-1,该模型是新的排名第一的开源权重语音转文本模型;其AA-WER指数得分2.3%,拥有4.6B个活跃参数,在包含专有模型的44个模型中整体排名第7。展开收起

据帖文,Salesforce与Missionforce Sovereign AI团队发布SOV-Transcribe-1,该模型是新的排名第一的开源权重语音转文本模型;其AA-WER指数得分2.3%,拥有4.6B个活跃参数,在包含专有模型的44个模型中整体排名第7。

周五 1 条

TechNews 科技新报评分58Block推出Dessa语音模型,可还原讽刺与笑声Block旗下AI研究团队发布Dessa语音模型,模型仅用人类对话音频训练,采用全双工语音到语音架构,可自然处理插话、停顿、笑声和讽刺等语气。模型由单组英伟达GB200 NVL72系统训练完成,可在搭载M4 Max或更高规格芯片的MacBook Pro上本地运行,目前仍为研究预览,仅向少数AI安全研究人员开放。展开收起

Block旗下AI研究团队发布Dessa语音模型,模型仅用人类对话音频训练,采用全双工语音到语音架构,可自然处理插话、停顿、笑声和讽刺等语气。模型由单组英伟达GB200 NVL72系统训练完成,可在搭载M4 Max或更高规格芯片的MacBook Pro上本地运行,目前仍为研究预览,仅向少数AI安全研究人员开放。

周四 1 条

X(@ArtificialAnlys)评分51AssemblyAI发布首个文本转语音模型AssemblyAI-TTS-1,进入供应商语音竞技场前12名AssemblyAI发布首个文本转语音模型AssemblyAI-TTS-1,并在两个语音竞技场及发音鲁棒性基准中评估其性能。该模型在供应商语音竞技场排名前12,在受控语音项目中排名前10。展开收起

AssemblyAI发布首个文本转语音模型AssemblyAI-TTS-1,并在两个语音竞技场及发音鲁棒性基准中评估其性能。该模型在供应商语音竞技场排名前12,在受控语音项目中排名前10。

周日 1 条

IT之家评分53Block推出全双工语音模型Dessa,支持在苹果MacBook本地运行Block推出全双工语音模型Dessa,可在M4 Max及更高配置的MacBook上本地运行。该模型基于人类语音数据训练,能同时收听和说话,并模拟笑声、停顿、哽咽等情绪;目前尚未开放试用,Block正邀请安全研究者测试其欺骗风险。展开收起

Block推出全双工语音模型Dessa,可在M4 Max及更高配置的MacBook上本地运行。该模型基于人类语音数据训练,能同时收听和说话,并模拟笑声、停顿、哽咽等情绪;目前尚未开放试用,Block正邀请安全研究者测试其欺骗风险。