Edge0 opublikował open-weight’owy model TTS, który klonuje głos z jednej próbki i transkrypcji, obsługuje 23 języki i według własnych testów firmy wyprzedza na CV3 większe modele. Najsłabiej wypada w tajskim i kantońskim.
Read More
AssemblyAI udostępniło ogólnie AssemblyAI-TTS-1, swój pierwszy model text-to-speech dla agentów głosowych. Kosztuje 15 dolarów za milion znaków i nie ma limitu współbieżności. Niezależny benchmark pokazuje jednak słabsze wyniki niż testy producenta.
Read More
Firma stojąca za Square i Cash App twierdzi, że Dessa to pierwszy model AI uczony od zera na samej mowie, bez danych tekstowych. Przetwarza dźwięk bezpośrednio, więc ma wychwytywać emocje, sarkazm i śmiech.
Read More
Nowe narzędzie Suno tworzy wypowiedź i podkład muzyczny jednocześnie, zapisując je w jednym pliku audio. Wersja beta ma jednak wyraźne ograniczenia, m.in. przy odwzorowywaniu akcentów.
Read More
MAI-Transcribe-2-Streaming przetwarza mowę w 60 językach i zwraca pierwsze częściowe wyniki po nieco ponad 100 milisekundach. Towarzyszą mu dwa modele syntezy mowy MAI-Voice-2.1.
Read More
Gemini 3.8 Flash TTS umożliwia tworzenie profili głosowych na podstawie promptu tekstowego lub 30-sekundowej próbki, do której dołączono nagraną zgodę. Wariant Flash-Lite ma z kolei obniżyć koszty generowania mowy na dużą skalę.
Read More
Paryski startup Gradium zaprezentował Voice Design – system, który eliminuje potrzebę posiadania próbek audio przy tworzeniu syntetycznych lektorów na podstawie briefu tekstowego.
Read More
Zamiast łączyć kilka systemów w jeden, Meta Labs stawia na monolityczny model, który jednocześnie zajmuje się transkrypcją, rozpoznawaniem mówców i wykrywaniem ciszy.
Read More
Nowy model TTS od Gradium AI osiąga 81% skuteczności w odczytywaniu trudnych danych, rozwiązując problem błędnych adresów e-mail i numerów zamówień w automatycznej obsłudze klienta.
Read More
W zaledwie rok Fish Audio zmieniło się z hobbystycznego projektu na GitHubie w maszynkę do zarabiania pieniędzy z 21 milionami dolarów rocznego przychodu.
Read More