Hume AI przygotowuje się do wprowadzenia na rynek Octave 2 Multilingual, model syntezy mowy, który oferuje niskie opóźnienia i obsługę ponad 10 języków. Czy to przełom w dziedzinie tłumaczeń w czasie rzeczywistym i interakcji głosowych?
Read More
Startup Liquid AI wprowadza na rynek LFM2-Audio-1.5B, kompaktowy model fundamentowy audio-językowy, który rozumie i generuje mowę oraz tekst za pomocą pojedynczego, kompleksowego stosu. Obiecuje on niskie opóźnienia i działanie w czasie rzeczywistym, nawet na urządzeniach o ograniczonych zasobach.
Read More
Norweski startup Hance opracował niezwykle małe i wydajne oprogramowanie do przetwarzania dźwięku oparte na sztucznej inteligencji. Ich rozwiązanie, ważące zaledwie 242 kB, znalazło już zastosowanie w Formule 1 i współpracuje z Intelem.
Read More
Badania wskazują, że sztuczna inteligencja osiągnęła punkt, w którym generowane przez nią głosy są niemal nieodróżnialne od ludzkich, co rodzi pytania o etykę i bezpieczeństwo.
Read More
Spotify ogłosiło zmiany w polityce dotyczące sztucznej inteligencji, obejmujące oznaczanie muzyki generowanej przez AI, filtrowanie spamu i zakaz nieautoryzowanych klonów głosowych. Platforma zamierza wprowadzić standard DDEX i nowe filtry antyspamowe.
Read More
Zespół stojący za sukcesem NotebookLM prezentuje Huxe, aplikację, która przekształca informacje w angażujące podcasty, otwierając nowy rozdział w konsumpcji treści.
Read More
Xiaomi wprowadza na rynek MiMo-Audio, model językowy mowy o parametrach 7B, przeszkolony na ponad 100 milionach godzin nagrań audio. Model ten, wykorzystujący unikalne tokeny dyskretne o wysokiej wierności, stanowi znaczący krok naprzód w dziedzinie sztucznej inteligencji mowy.
Read More
Nowy model od Stability, Stable Audio 2.5, w kilka sekund generuje utwory, edytuje dźwięk i umożliwia tworzenie muzyki na potrzeby biznesu.
Read More
Zespół z UT Austin i ServiceNow Research prezentuje AU-Harness – otwarte narzędzie do wszechstronnej oceny modeli językowych opartych na dźwięku (LALM), wypełniając lukę w standardach testowania sztucznej inteligencji głosowej.
Read More
Kalifornijski startup TwinMind prezentuje Ear-3, model rozpoznawania mowy AI, który ma szansę zrewolucjonizować rynek dyktowania dzięki rekordowej dokładności, precyzyjnemu rozróżnianiu mówców, obsłudze ponad 140 języków i konkurencyjnej cenie.
Read More