技术方向
语音与音频
AI 语音与音频:语音合成、实时语音对话、音乐生成与音频理解的模型与产品。
近 30 天 4 条共 5 条精选收录 63 条
精选新闻
微软发布 MAI Cyber 2 Flash、MAI Code 2 等七款新模型
微软发布 MAI Cyber 2 Flash、MAI Code 2、MAI Code 2 Flash、MAI Image 2.7、MAI Realtime 1、Decision 1.1 等七款 MAI 模型,并推出 MAI Licensed Weights 授权模式。
Mustafa Suleyman
Google AI Edge Gallery 上线端侧语音识别与语音合成
Google 在 Google AI Edge Gallery 中推出端侧自动语音识别(ASR)和语音合成(TTS)能力,可完全离线运行并与 Gemini Nano、Gemma 4 等端侧小模型配合。
Google Developers Blog
Ollama 上线语音模型,首发 Phonon 文本转语音
Ollama 新增文本转语音能力,首个语音模型是来自 Gradium 的小型 TTS 模型系列 Phonon,目前支持 macOS,Windows 和 Linux 支持即将推出。
Ollama Blog
Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族及配套语音智能体 SDK,将听、推理、工具调用和说话整合进一条实时流式管线。
Mistral AI
xAI 发布语音转写模型 Grok Voice Transcribe 2.0
xAI 发布语音转写模型 Grok Voice Transcribe 2.0,官方称其准确率是 Grok Voice Transcribe 1.0 的两倍,价格不变。
xAI News
