Sejin Park z KAIST opracowała SpeechSSM, przełomowy model językowy umożliwiający generowanie naturalnej mowy bez ograniczeń czasowych, otwierając drogę do całodobowych asystentów głosowych i długich treści audio.
Read More
Meta, dążąc do rozszerzenia swoich możliwości w zakresie sztucznej inteligencji skierowanych do konsumentów, prowadzi negocjacje w sprawie potencjalnego przejęcia Play AI, startupu specjalizującego się w klonowaniu głosu. Transakcja miałaby na celu włączenie technologii Play AI i pozyskanie części jej zespołu inżynierów, co znacząco wzmocniłoby ofertę audio w ekosystemie AI firmy Meta.
Read More
ElevenLabs rozszerza swoje portfolio o 11ai, głosowego asystenta AI, który ma ambicję wykraczać poza proste konwersacje, aktywnie uczestnicząc w cyfrowych przepływach pracy. System opiera się na protokole MCP i oferuje integrację z popularnymi narzędziami, rzucając wyzwanie dotychczasowym ograniczeniom asystentów głosowych.
Read More
Google wprowadza Magenta RealTime, otwarty model sztucznej inteligencji, który umożliwia generowanie muzyki na żywo w oparciu o tekst lub dźwięk. To krok w kierunku demokratyzacji tworzenia muzyki wspomaganej AI, choć z pewnymi ograniczeniami.
Read More
Resemble AI wprowadza Chatterbox, otwartoźródłowy model klonowania głosu, obiecujący kontrolę nad emocjami i błyskawiczną reakcję. Czy to faktycznie przełom, czy tylko umiejętnie zapakowany produkt?
Read More
Google znacząco zwiększa zasięg funkcji Audio Overviews, udostępniając ją w 75 językach dzięki integracji swojego modelu Gemini w procesie generowania dźwięku. To krok w kierunku globalnej dostępności informacji dla osób niewidomych i niedowidzących, choć rodzi pytania o jakość i adaptację kulturową w tak szerokiej skali.
Read More
Stability AI wprowadza Stable Audio Open, otwarty model tekst-na-audio, który wyróżnia się zdolnością do generowania krótkich próbek dźwiękowych i muzycznych bezpośrednio na urządzeniach mobilnych i mniejszych komputerach. To otwiera nowe perspektywy dla twórców i aplikacji mobilnych w dziedzinie generatywnej sztucznej inteligencji.
Read More
ElevenLabs zaprezentował innowacyjny system głosowy AI, który ma usprawnić interakcje z modelami językowymi. Kluczową nowością jest zdolność do dostosowywania się do wypowiedzi użytkownika w czasie rzeczywistym, co ma wyeliminować dotychczasowe opóźnienia i nienaturalność konwersacji.
Read More
Google eksperymentuje z funkcją Audio Overviews w swojej wyszukiwarce. Nowość, wcześniej dostępna w NotebookLM i Gemini, ma oferować użytkownikom wygodny, „bezręczny” sposób na przyswajanie informacji.
Read More
Asystent AI Claude od Anthropic dołącza do konkurencji, wprowadzając tryb głosowy. Zaskoczeniem jest jednak fakt, że do syntezy mowy wykorzystuje technologię ElevenLabs, zamiast autorskiego rozwiązania. Jak wpłynie to na rywalizację z OpenAI i Google?
Read More