←搜索结果

搜索“语音”

按匹配度 · 共 1347 条结果 清除搜索

星期二

星期日

  1. 事件1 条新闻 · 1 个事实

    Sierra推出Voice Personas语音人格功能

    2026年8月8日,Sierra发布Voice Personas功能,允许企业为同一个AI智能体配置不同的语音、人格与语言行为,以覆盖不同品牌、市场和文化场景。该功能由Sierra Agent SDK支持,可调整语速、自然应对对话打断,并能在对话过程中切换语音或语言,底层由多个语音模型按人格、语言和用例择优驱动。Sierra称,某智能体搭配自然语音与人格后,问题解决率提升近50%。Voice Personas现已上线。

    匹配字段标题

  2. 事件1 条新闻 · 1 个事实

    LiveKit发布语音Agent防跑偏实践指南

    2026年7月16日,LiveKit发布博客,介绍如何让语音智能体不跑题。文章提出分层防御思路:先用结构化提示词设定身份与护栏,再用确定性代码强制执行关键规则,并用max_tool_steps限制工具调用链,避免失控循环。文章以酒店前台参考智能体为例,指出提示词防御对蓄意攻击较弱,真正的约束应在代码层验证。

    匹配字段标题

  4. 事件1 条新闻 · 1 个事实

    Cartesia发布语音识别模型Ink-2

    2026年7月9日,Cartesia发布语音识别模型Ink-2,面向实时语音智能体。截至2026年6月,该模型在Artificial Analysis流式排行榜上以最低词错率排名第一,并内置语义端点检测,无需外部VAD即可发出turn.start、turn.eager_end、turn.end事件。在AppTek多口音基准上,Ink-2词错率为8%,优于Deepgram Flux的10%和ElevenLabs Scribe v2的12%;Time-to-Final-Transcript为0.1秒。现已通过API及LiveKit、Vapi、Pipecat等平台提供。

    匹配字段标题

  6. 事件1 条新闻 · 1 个事实

    分享语音推理扩容方法

    ElevenLabs 研究工程师 Angelos Perivolaropoulos 于 2026 年 6 月 30 日分享并测试了通过标准工程优化提升单 GPU 语音推理吞吐的方法。主要手段包括连续批处理、FP8 量化、多 token 预测和经蒸馏适配的 FP8 KV cache。其中,KV cache 缩小 2.5 倍后,吞吐量从 28 名用户增至 70 名;架构级改造则可达到约 140 名用户。各项技术会引入延迟、内存上限或质量损失,实际选择取决于具体工作负载。

    匹配字段标题

  7. 事件1 条新闻 · 1 个事实

    Cartesia发布语音AI术语入门指南

    2026年6月30日,Cartesia发布语音AI术语入门指南,系统解释STT、VAD、Turn Detection、TTS、Barge-in等核心概念。指南指出,其最新Ink-2 STT模型内置转向检测,无需单独VAD模型,可简化语音智能体流水线。指南还涵盖语音隔离与降噪,帮助理解对话式语音AI的评测结果。

    匹配字段标题

星期三

  1. 事件1 条新闻 · 1 个事实

    OpenAI发布语音模型GPT-Live-1与GPT-Live-1 mini

    OpenAI 于 2026 年 7 月 8 日发布语音模型 GPT-Live-1 和 GPT-Live-1 mini。目前可用的证据材料中,与这一发布直接对应的唯一来源是 DeepLearning.AI 于 7 月 17 日刊出的吴恩达来信,该文讨论 AI 自动化编码等可验证任务后,从业者转向全栈或全周期角色的趋势,并未提供关于这两款语音模型的功能、参数或上线范围等细节。除此之外,没有其他发展事实或官方说明可供补充,因此该发布的后续进展与具体状态尚不明确。

    匹配字段标题

星期三

星期四

星期三

星期四

星期三

星期六

星期二

星期三

  1. 事件1 条新闻 · 1 个事实

    Vapi 介绍用代码引导生成语音代理集群的框架

    2026年6月17日,Vapi 介绍了一套用代码引导生成语音代理集群的框架。据 Vapi Blog 当日发布的文章,Vapi 主页运行着 15 个语音智能体,覆盖 3 类场景、5 种语言,它们并非在控制台逐个手工搭建,而是从一份 ROUGH_DRAFT.md 草稿出发用代码批量生成。该框架分为 plan、draft、bootstrap、harden 四个阶段,默认使用 OpenAI gpt-4.1(温度 0.5)、ElevenLabs 与 Deepgram nova-3 等组件,并通过幂等 upsert 循环把状态存入 .env.local,重复运行不会重复创建。文章称,克隆仓库并配置 VAPI_PRIVATE_KEY 后运行 bun run bootstrap 即可复现。目前该故事尚无后续发展事实。

    匹配字段标题

  2. 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

星期三

星期三