←搜索结果

搜索“语音”

按匹配度 · 共 210 条结果 清除搜索

星期三

星期日

  1. 事件2 条新闻 · 1 个事实

    xAI发布Grok Voice Transcribe 2.0语音转写模型

    2026年9月18日,xAI发布Grok Voice Transcribe 2.0语音转写模型。xAI称其为全球最准确的语音转写模型,并附上相关链接。同日,该模型在Grok Voice API上线,批量转写定价为每小时音频0.10美元,流式转写为每小时0.20美元。目前没有后续发展事实,事件状态停留在发布与上线阶段。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    OpenAI推出GPT-Live-1语音API

    2026年9月11日,OpenAI在API中上线GPT-Live-1,供开发者构建语音应用。该模型采用新版ChatGPT语音所使用的双工技术,支持语音智能体在说话的同时持续聆听,并可搭配开发者自行选择的模型和工具体系。目前输入材料仅提供了此次上线信息,未说明后续更新或应用进展。

    匹配字段标题

  3. 事件1 条新闻 · 1 个事实

    腾讯混元发布开源语音模型AuK

    2026年9月10日,腾讯混元正式发布开源基础模型AuK,面向统一的语音生成与编辑。该模型采用自然语言指令加参考音频的单一接口,支持零样本TTS、指令控制生成、内容编辑、耳语转换、去口音、音色风格情感编辑、语速音高控制、增强降噪、多说话人分离与音乐分离。同日还发布了AuK-Flash,采用4步推理,在匹配条件下约快4.5倍。代码、权重与demo均已上线。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Cartesia发布Sonic-3.6语音模型

    2026年8月27日,Cartesia发布语音模型Sonic-3.6。该模型在15个地区的盲测中听众偏好度最高达93%,并在Artificial Analysis排行榜的controlled和provider voice两个榜单上均排名第一。Sonic-3.6支持44种语言,新增Odia和Urdu,并改进了口音保持和Hinglish代码切换能力。

    匹配字段标题

  5. 事件1 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

  6. 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

星期五

星期四

星期四

星期三

  1. 事件1 条新闻 · 1 个事实

    Microsoft 发布 MAI-Voice-2 文本转语音模型

    2026年6月3日,Microsoft 发布文本转语音模型 MAI-Voice-2。据 Microsoft AI Blog 当日报道,该模型从仅支持英语扩展到 15 种语言,并新增 sad、whispered、excited 等情感标签控制。报道称其支持用 5-60 秒参考音频做零样本声音克隆,在对比测试中被 72% 的偏好选择优于前代 MAI-Voice-1。报道还称该模型现已上线 Microsoft Foundry,并正在集成进 VSCode 和 Dynamics 365 Contact Center。目前尚无后续发展事实,状态以发布时信息为准。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    Microsoft 发布 MAI-Transcribe-1.5 语音转文本模型

    2026年6月2日,Microsoft 发布 MAI-Transcribe-1.5 多语言语音转写模型。据 Microsoft AI Blog 当日报道,该模型语言覆盖从 25 种扩展到 43 种,在 FLEURS 基准上取得 43 种语言的最佳词错误率,Artificial Analysis 榜单 WER 为 2.4%、排名第 3。转写速度方面,一小时音频转写耗时不到 15 秒,长音频速度最高为 Gemini 3.1、Scribe v2、GPT-4o-Transcribe 的 5 倍。模型新增关键词偏置功能,在 FLEURS 上可将 WER 最多降低 30%。发布时该模型已接入 Copilot、Teams、GitHub 和 Dynamics 365 Contact Centre,并在 Foundry 与 MAI Playground 提供。目前尚无后续发展事实。

    匹配字段标题

  3. 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

星期二

星期三

星期四

星期五

星期二