Badacze z FlashLabs zaprezentowali model Chroma 1.0 – pierwszy otwartoźródłowy system dialogowy typu end-to-end, który eliminuje tradycyjny podział na rozpoznawanie mowy i syntezę tekstu, oferując niemal natychmiastowe klonowanie głosu w czasie rzeczywistym.
Read More
Podczas gdy giganci tacy jak Google czy OpenAI promują zamknięte ekosystemy, Nvidia udostępnia otwartoźródłowy model PersonaPlex. System ten nie tylko bije Gemini Live pod kątem opóźnień, ale oferuje bezprecedensową elastyczność w definiowaniu głosu i charakteru asystenta.
Read More
Startup odpowiedzialny za infrastrukturę trybu głosowego w ChatGPT pozyskał 100 milionów dolarów, osiągając status jednorożca i umacniając swoją pozycję jako kluczowy dostawca rozwiązań czasu rzeczywistego dla gigantów technologii.
Read More
Startup Bolna, rozwijający platformę do orkiestracji głosu AI, pozyskał 6,3 mln USD finansowania, co świadczy o rosnącym zapotrzebowaniu na zaawansowane rozwiązania głosowe w Indiach, pomimo początkowego sceptycyzmu inwestorów co do potencjału monetyzacji.
Read More
Największy europejski telekom wdraża głosowych agentów nowej generacji, obiecując realistyczne rozmowy przez całą dobę. Choć deklarowana skuteczność automatów wynosi 80 procent, w przypadku skomplikowanych awarii czy negocjacji cenowych AI wciąż musi ustąpić miejsca człowiekowi.
Read More
NVIDIA wprowadza Nemotron Speech ASR, nowy model transkrypcji mowy typu open-source, zaprojektowany z myślą o minimalizacji opóźnień, kluczowy dla agentów głosowych i aplikacji czasu rzeczywistego. Model oferuje znaczące usprawnienia w architekturze i wydajności.
Read More
Startup Subtle, znany z technologii izolacji głosu, wprowadza na rynek bezprzewodowe słuchawki Voicebuds. Urządzenie, zaprezentowane przed targami CES, ma zapewnić doskonałą jakość dźwięku w rozmowach i precyzyjną transkrypcję notatek, wyznaczając nowe standardy w interakcji głosowej, również w głośnym otoczeniu.
Read More
OpenAI intensyfikuje prace nad technologiami audio i planuje wprowadzenie urządzeń opartych na dźwięku, co wpisuje się w szerszy trend branżowy. Wizja przyszłości bez dominacji ekranów staje się coraz bardziej realna, a inni giganci technologiczni również eksplorują ten kierunek.
Read More
W dobie rosnącej popularności miniaturowych urządzeń AI, Plaud Note Pro wyróżnia się jako kompaktowy rejestrator głosu, zaprojektowany z myślą o profesjonalistach. Jego dyskretna forma i zaawansowane funkcje transkrypcji czynią go praktycznym narzędziem w codziennej pracy.
Read More
Rok 2025 okazał się przełomowy dla aplikacji do dyktowania wspieranych sztuczną inteligencją. Dzięki postępowi w modelach LLM i technologii „speech-to-text”, narzędzia te stają się nie tylko szybsze i dokładniejsze, ale także oferują zaawansowane funkcje formatowania i personalizacji, zmieniając sposób, w jaki tworzymy tekst.
Read More