←搜索结果

搜索“语音”

按匹配度 · 共 211 条结果 清除搜索

星期五

星期日

  1. 事件2 条新闻 · 2 个事实

    ElevenLabs介绍v4情感语音控制

    2026年9月28日,ElevenLabs介绍Eleven v4通过音频标签控制情感语音的方法:可在脚本中用[furious]、[sarcastic]、[crying]等Audio Tags逐句指定情绪,模型据此调整语气、节奏和停顿,并加入叹息、笑声等非语言声音。官方建议一次生成整段文本以建立场景上下文,TTS应用单次最多支持10,000字符,每个句段只用一个情绪标签,效果不理想时优先替换标签而非改写文本。同日,ElevenLabs发布Eleven v4及低延迟版本Eleven v4 Turbo,称其为目前最具情感表现力的文本转语音模型;Eleven v4在Artificial Analysis排名第一,盲测中约75%听众更偏好它;Eleven v4 Turbo面向智能体等低延迟场景,中位推理延迟约100ms,中位首次发声时间约150ms。两款模型支持90多种语言,可用[laughs]等内联标签控制语气与音效,Instant Voice Clones仅需10秒音频,并新增Professional Voice Clones支持,现已在ElevenAgents、ElevenCreative

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    LiveKit发布Connectors语音连接器

    2026年9月1日,LiveKit发布Connectors语音连接器,在LiveKit房间与Twilio Programmable Voice、WhatsApp Business Calling之间建立直连。通话以普通参与者身份进入房间,无需配置SIP trunk或网关。Twilio通话会带上call SID和自定义TwiML参数作为参与者属性,WhatsApp来电以手机号作为参与者身份;连接器通话与SIP、网页会话一样出现在LiveKit Cloud仪表盘中。Connectors已在LiveKit Cloud正式可用,连接器分钟计费与SIP相同,Ship为每分钟0.004美元、Scale为0.003美元,各套餐分别包含5、20、100路并发连接器通话。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    xAI推出Custom Voices语音克隆功能

    2026年4月30日,xAI推出Custom Voices语音克隆功能。据xAI官方信息,用户录制约一分钟自然语音即可克隆自己的声音,并在两分钟内生成可用于生产的语音模型。该功能接入Grok Text to Speech和Voice Agent API,支持语音标签、多语言输出以及REST和WebSocket流式传输,使用自定义声音不额外收费。创建前需通过两阶段验证:先朗读验证短语由STT引擎实时比对,再比对说话人嵌入向量确认同一人,因此无法用已有录音或他人声音进行克隆。目前该功能已随发布上线,暂无后续发展事实。

    匹配字段标题

  5. 事件1 条新闻 · 1 个事实

    xAI发布Grok语音转文字与文字转语音API

    2026年4月17日,xAI发布两个独立音频API:Grok Speech to Text(STT)和Grok Text to Speech(TTS),基于驱动Grok Voice、Tesla车辆和Starlink客服的同一套技术栈。据xAI官方信息,STT支持REST批量转写与WebSocket实时转写,具备词级时间戳、说话人分离、多声道和逆文本归一化,覆盖25+语言,批量定价每小时0.10美元、流式每小时0.20美元;TTS支持[laugh]、[sigh]、[whisper]等语音标签控制语气与情感,定价每100万字符15.00美元。目前尚无后续发展事实,状态为发布当日。

    匹配字段标题

  7. 事件1 条新闻 · 1 个事实

    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。

    匹配字段标题

  8. 事件1 条新闻 · 1 个事实

    Cartesia推出专业语音克隆功能

    2025年5月6日,Cartesia推出专业语音克隆(PVC)功能,基于Sonic模型微调,可复刻音色、节奏、风格和环境。该功能现已在Startup及以上套餐自助提供,支持15种语言,可通过Playground或API创建。

    匹配字段标题

星期一

星期六

  1. 事件1 条新闻 · 1 个事实

    Google面向AI订阅用户推出Gemini语音新能力

    Google 面向 Google AI 订阅用户推出新的 Gemini 语音能力。用户可通过对话搜索 Gmail 收件箱、在 Keep 中整理想法和任务,以及创建新的 Docs。Sundar Pichai 特别提到 Docs Live 会比较实用,并附上演示视频和了解更多信息的链接。目前尚无后续发展事实。

    匹配字段标题

星期二

星期一

  1. 事件1 条新闻 · 1 个事实

    Pydantic AI 发布实时语音 Agent 支持

    2026年8月26日,Pydantic AI 发布实时语音 Agent 支持。据其官方文章,该支持采用 speech-to-speech 方式,通过统一的 provider-agnostic API 接入 OpenAI Realtime、Azure OpenAI、Gemini Live 和 xAI Grok Voice,中间不再有转写、生成、合成的流水线。语音会话复用同一个 Agent 对象,服务端工具、消息历史和 API key 都留在后端;浏览器场景可用 WebRTC 直连并在服务端以 sideband 接入,目前浏览器 WebRTC 支持 OpenAI 和 Azure OpenAI。语音与文本共享同一份消息历史,可把通话交给文本 Agent 做结构化抽取,也可用 message_history= 为语音会话续接此前的文本对话;会话的 token 用量、usage_limits 和 OpenTelemetry 追踪与文本运行一致。目前尚无后续发展事实。

    匹配字段标题

星期三

星期三

星期五

星期四

星期二

星期二