跳到正文

#语音

今日 0 条
10月27日周二
10月25日周日
  1. TechCrunch · AI66

    Block 发布全双工语音模型 Dessa,可在本地运行

    Block 研究实验室发布语音模型 Dessa,完全基于人类语音训练,可在单块 NVIDIA GPU 上本地运行,并能同时说话和倾听。该模型能表现笑声、停顿和哭腔等情绪,Block 称情绪内建于模型而非依赖语音标签驱动,目前尚未公开开放,正邀请安全研究者测试。Dessa 可在 MacBook M4 Max 或更高配置的消费级电脑上运行。

10月24日周六
  1. The Decoder58

    Block 发布语音模型 Dessa,完全用人类语音训练、不依赖文本

    Block 发布语音模型 Dessa,称其完全基于人类语音数据从零训练、不使用任何文本数据,直接以音频形式处理语音,可实时捕捉情绪、讽刺、笑声和停顿。该模型支持全双工交流,可在 MacBook Pro M4 Max 本地运行,训练使用单台 NVIDIA GB200 NVL72。Dessa 目前尚未公开,团队先招募 AI 安全研究人员测试潜在风险。

10月23日周五
10月22日周四
  1. TechCrunch · AI40

    Nirva 融资 3300 万美元,做只监听佩戴者本人的吊坠式 AI 硬件

    Nirva 完成 2500 万美元 pre-Series A 轮融资,加上年初的 800 万美元,累计融资达 3300 万美元。其首款吊坠可作手链佩戴,重约 8 克、续航最长 3 天,通过用户录入的语音样本建模并过滤周围他人声音,只记录佩戴者本人,处理后默认不保留音频与转写。设备定价 249 美元,11 月开启预订,年底前向早期用户发货。

10月21日周三
  1. TechCrunch · AI48

    Yelp 新增 Check for Me 功能:AI 语音智能体代用户致电餐厅查询等位时间

    Yelp 上线 Check for Me 功能,用户可在餐厅页面输入用餐人数和手机号,由 AI 语音智能体代为致电餐厅查询等位时间,并以短信回传结果。Yelp AI 助手同步接入 OpenTable 支持应用内订座,可记住历史对话偏好、查看近 30 天聊天记录并设置自定义提醒。面向商家,Yelp 推出付费产品 Smart Lead Reply,每月 30 美元,可自动回复并筛选客户线索。

10月20日周二
  1. AWS Machine Learning Blog29

    Deepgram 如何用 AWS Trainium 优化大规模语音 AI

    Deepgram 与 AWS 合作将 Nova-3 语音转文本模型移植到 Trainium2,用于联络中心分析、医疗转录等离线批处理场景。最终配置在单台 Amazon EC2 trn2.3xlarge 实例上运行 8 个模型副本,每美元处理的音频量比原有算力方案高 11%–70%。优化涵盖 TorchNeuron 编译、NKILib 融合内核替换及 Rust 数据并行运行时。

10月17日周六
10月16日周五
10月15日周四
10月14日周三
  1. The Verge · AI22

    没有摄像头的 Ray-Ban Meta Audio 智能眼镜评测:不拍人,反而更自在

    Ray-Ban Meta Audio 是 Meta 推出的纯音频智能眼镜,售价 $349,去掉摄像头后外观与普通眼镜无异,佩戴时不再有偷拍他人的心理负担。它本质是一副开放式耳机,音质尚可但音量高时高音发尖、低音发闷,续航长、轻便且时尚。目前搭载的是较弱的 Muse Spark 模型,更强的 Muse AI 要等到今年晚些时候,复杂提问容易出错,FDA 认证的助听功能也尚未上线。

10月13日周二
10月12日周一
  1. TechCrunch · AI40

    前Plaud高管创办Ambi,融资2600万美元做全天候监听AI应用

    前Plaud高管Peter Mo创办的Ambi完成2600万美元融资,由Luminous Ventures和华勤领投,并推出iPhone、Mac和Apple Watch应用。该应用可全天候监听用户,在会议中由AI智能体主动提供建议,还计划推出带屏幕、摄像头和麦克风的硬件设备。Ambi称环境采集默认关闭、不存储录音并加密数据,但披露责任仍由用户承担。

10月11日周日
10月9日周五
  1. The Verge · AI36

    Alexa Plus 评测:智能家居更强了,但当私人助理还不够格

    Alexa Plus 是亚马逊基于生成式 AI 重构的数字助理,在 Echo 设备上需 Prime 会员或每月 19.99 美元订阅(美国),目前已在美加上线并在多国早期测试。实测中它控制智能家居、处理多步指令和厨房问答明显优于旧版 Alexa,响应时间从 2025 年的 10-15 秒缩短到 3-5 秒,但私人助理功能不成熟,Echo Show 上的广告也令人困扰。

  2. Hugging Face Blog40

    TII 推出 Falcon-ASR:1.6B 参数阿拉伯语语音识别模型

    阿布扎比技术创新研究院(TII)发布 Falcon-ASR,一款 1.6B 参数的语音识别模型,重点覆盖阿联酋方言,同时支持英语、法语、西班牙语和葡萄牙语。在六个阿拉伯语测试集上平均 WER 为 20.92%,优于所用榜单快照中最佳公开结果 23.17%;内部阿联酋方言评测 WER 22.73%、CER 10.19%,比次优的 Qwen3-Omni 低 4.07 个百分点。

10月7日周三
10月6日周二
10月3日周六
  1. The Decoder58

    Suno 推出 Speech 功能,可生成带配乐的语音音频

    AI 音乐生成器 Suno 新增 Speech 功能,可将口述文本与匹配的背景音乐合成为单条音轨,用户输入想法或文字并描述想要的音色与音乐风格。Suno 产品负责人 Jack Brody 称该功能已在小范围测试一个月,可用于诗歌、冥想和睡前故事,但 beta 版仍有 bug,例如英式口音有时听起来像澳式口音。

10月2日周五
  1. The Verge · AI58

    Suno 推出语音生成功能,可同时生成人声与背景音乐

    AI 音乐平台 Suno 上线 Speech 功能,进入公开测试,覆盖网页端和移动端,可根据脚本或提示词生成语音,并同时生成配套背景音乐。该功能提供 Simple 和 Advanced 两种模式,后者支持自定义脚本、调整 AI 声音性别、语音风格和生成多样性,单次最长约 8 分钟,背景音乐可用开关关闭。