Vercel 发布语音转录流式模型
Vercel 上线了微软训练的语音模型,比 Eleven Labs 便宜六成,质量和速度还第一。
Vercel 上线了微软训练的语音模型,比 Eleven Labs 便宜六成,质量和速度还第一。
微软新语音转写模型准确率登顶,比Grok快3倍,但价格也贵一倍多。
Karan Goel 发了两个新模型,Sonic-3.5 做 TTS 排名第一,Ink-2 做 STT 也是第一,说是唯一一家听说都做到顶的。做语音智能体的话看看。
600M模型转40语言实时
做语音交互或智能助手的团队终于有了一个能同时处理流式对话、环境音和实时指令的统一模型,比拼凑多个专用模型高效太多,做音频 AI 的建议点开看看框架和数据集。