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
Meta wprowadza SAM Audio, przełomowy model zdolny do precyzyjnej izolacji dźwięków ze złożonych miksów. Wykorzystując tekstowe, wizualne i czasowe podpowiedzi, narzędzie to ma szansę zrewolucjonizować edycję audio, oferując elastyczność i precyzję niedostępną dotąd w jednolitych rozwiązaniach.
Read More
xAI, firma rozwijająca sztuczną inteligencję, zaprezentowała Grok Voice Agent API, umożliwiając programistom tworzenie zaawansowanych aplikacji głosowych, które wykorzystują zdolności Groka do konwersacji w czasie rzeczywistym. Nowe rozwiązanie ma połączyć niskie opóźnienia i przystępne ceny z szeroką personalizacją.
Read More
Generatory wideo oparte na sztucznej inteligencji wciąż zmagają się z fundamentalnym problemem – brakiem dźwięku. Berliński startup Mirelo chce to zmienić, oferując technologię automatycznego udźwiękowienia klipów. Projekt zdobył właśnie 41 milionów dolarów finansowania w rundzie zalążkowej prowadzonej przez Index Ventures i Andreessen Horowitz (a16z).
Read More
Francuski startup Gradium, wydzielony z laboratorium Kyutai, pozyskał 70 milionów dolarów w rundzie zalążkowej. Firma, założona przez byłego badacza Google DeepMind, koncentruje się na rozwoju niskolatencyjnych, wielojęzycznych modeli głosowych opartych na sztucznej inteligencji, co ma być odpowiedzią na rosnące zapotrzebowanie na ultrarealistyczne interakcje głosowe.
Read More
Speechify, znane dotąd z funkcji zamiany tekstu na mowę, wprowadza do swojego rozszerzenia Chrome nowe możliwości: dyktowanie głosem oraz interaktywnego asystenta AI.
Read More