跳到正文
只看模型#语音

标签

#语音

按发布时间排列的全部收录，按天分组；筛选和搜索都在这一页。

共 28 条 · 更新于 19:17

11/02

星期一1 条

  1. Hacker News · AI 讨论58Avartha 发布开源权重语音模型 Ava Zero，称在 τ³-Voice 任务完成率上超过 OpenAI、Google 和 xAI

10/30

星期五2 条

  1. MarkTechPost58Edge0 发布 Audio8-TTS-Realistic，0.6B 零样本语音克隆 TTS 模型
  2. ElevenLabs Blog38ElevenLabs 在 ElevenCreative 和 ElevenAPI 推出 SFX v3 音效模型

10/29

星期四6 条

  1. Hugging Face Blog22IBM Granite Switch 4.1.1 补丁发布：更新模型像更新软件一样
  2. MarkTechPost36Block 发布 Dessa：仅用语音训练的全双工语音模型
  3. IT之家64英伟达开源语音转录模型 Nemotron 3.5 Transcribe，支持 40 种语言与 8 人说话人分离
  4. MarkTechPost60NVIDIA 发布 Nemotron 3.5 Transcribe 开源语音模型，34B MoE 支持 40 语言转写
  5. ElevenLabs Blog36ElevenLabs 推出强制对齐模型 Cue，为 Scribe 提供逐字符时间戳
  6. The Decoder64Nvidia 发布开源语音模型 Nemotron 3.5 Transcribe，整合转写、翻译与说话人识别

10/28

星期三3 条

  1. TechCrunch · AI60Nvidia 发布开源转写模型 Nemotron 3.5 Transcribe，支持 40 种语言
  2. SiliconANGLE62Nvidia 发布 Nemotron 3.5 Transcribe 多语言音频转写与翻译模型
  3. Hugging Face Blog68NVIDIA 发布 Nemotron 3.5 Transcribe 语音模型与 Granary v2 数据管线

10/26

星期一2 条

  1. IT之家60腾讯混元开源同声传译大模型 Hy-SimulMT，实测响应约 3 秒
  2. Hacker News · 首页58Destined AI 开源 Hurston-1 口音英语 TTS，支持电话窄带输出

10/25

星期日2 条

  1. IT之家52Block 推出全双工语音模型 Dessa，可在 M4 Max 及以上 MacBook 本地运行
  2. TechCrunch · AI49Block 研究实验室发布本地运行语音模型 Dessa，可同时说与听

10/24

星期六3 条

  1. Techmeme55Block 发布语音模型 Dessa，称可在 MacBook Pro M4 Max 本地运行
  2. The Decoder32Block 推出完全基于人类语音训练的 AI 语音模型 Dessa
  3. The Verge · AI38Block 发布 AI 模型 Dessa：只用人类对话训练，说话像 awkward 新朋友

10/23

星期五2 条

  1. 36氪 · 快讯26科大讯飞发布端云一体星火X2.6，同步推出SparkAudio 1.0
  2. MarkTechPost66Gradium 开源端侧 TTS 模型 Phonon，31M 参数、64.5 MB、Apache 2.0

10/22

星期四2 条

  1. MarkTechPost58IBM 发布 Granite Speech 5.0 2B 语音模型，支持 6 种语言转写与翻译
  2. IT之家34科大讯飞首发星火语音基座大模型 SparkAudio 1.0，已上线讯飞输入法 16.0

10/21

星期三4 条

  1. Hugging Face Blog60IBM 发布 Granite Speech 5.0 系列语音模型
  2. MarkTechPost55Mistral AI 发布 Voxtral 3 语音模型家族与语音 Agent SDK
  3. The Decoder36ElevenLabs 发布两款实时语音转语音模型 Eleven Realtime
  4. Hacker News · 首页58Mistral 发布 Voxtral 3 语音模型家族与语音 Agent SDK

10/16

星期五1 条

  1. Hugging Face Blog72IBM 发布 Granite Switch 4.1：单端点同时提供对话、决策与语音转写