Новости: голосовые модели

Nvidia выпустила бесплатную модель преобразования речи в текст, поддерживающую до 40 языков. Она работает только с записями, а не с живым звуком. Это значительный шаг для инструментов транскрипции встреч и медицинских записей, оставляющий работу в реальном времени конкурентам вроде ElevenLabs.

Новые голосовые модели обеспечивают одновременную обработку речи и выполнение задач, оснащены аудиоводяными знаками SynthID и автоматическим определением множества языков. Интегрируйте их через API и партнерские платформы.

Fish Audio привлёк $50 млн на развитие библиотеки из 15 000 голосов. Узнайте, как стартап с 8 млн пользователей и доходом $21 млн планирует конкурировать с ElevenLabs и другими гигантами синтеза речи.

Градиум направляет деньги на открытие офиса в Бэй‑Эриа и конкуренцию за таланты, что, по словам компании, «укрепляет ее положение в сердце мировой ведущей ИИ‑экосистемы» и подчеркивает роль региона как центра инноваций.

Новые функции могут быть полезны для систем обслуживания клиентов, но OpenAI заявляет, что они применимы в самых разных областях, включая образование и платформы для авторов. — techcrunch.com

OpenAI представила три новые голосовые модели, чтобы исправить недостатки, высмеянные в вирусных видео. Смогут ли они решить проблему с таймером? Say what? — gizmodo.com