Podczas gdy technologiczni giganci koncentrują się na budowaniu ogólnej sztucznej inteligencji, polski startup ElevenLabs zmonetyzował ludzki głos, zdobywając 40 milionów użytkowników i zrewolucjonizował obsługę klienta oraz rynek call center. Firma, wyceniana na 11 miliardów dolarów, rozważa dual listing na GPW.
Read More
Model TADA od Hume AI ustanawia nowe standardy w generowaniu mowy, działając pięciokrotnie szybciej niż konkurencyjne rozwiązania i skutecznie eliminując błędy w transkrypcji.
Read More
W kodzie platformy AI Studio odkryto ślady nowej funkcji Voice Cloning, która sugeruje, że nadchodząca generacja modeli Google pozwoli na tworzenie cyfrowych replik głosu użytkownika przy minimalnym nakładzie pracy.
Read More
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