谷歌在今天召开的 Pixel 9 系列手机发布会上，发布了 Gemini Live 服务，将于今天开始率先面向使用英语的 Gemini Advanced 订阅用户开放。
据来自Cartesia的最新消息，他们今天发布了Sonic，这是他们在构建实时多模态智能时代的第一步。Sonic 是一个极速的生成语音模型和 API，拥有令人惊叹的低延迟(仅为135毫秒模型延迟)，栩栩如生的声音效果，目前只支持英文。
ChatTTS是一个为对话场景设计的语音生成模型，专门用于大型语言模型(LLM)助手的对话任务、对话语音和视频介绍等应用。这个模型支持中文和英文，并且在视频中展示的是中等参数的版本，使用了约10万小时的中英文数据进行训练
亚马逊计划在今年晚些时候对其 Alexa 语音助手进行重大升级，引入生成式人工智能，以保持与 OpenAI 和谷歌等聊天机器人的竞争。
5月14日，OpenAI召开春季发布会发布基于GPT-4o打造的语音版ChatGPT，次日Google I/O大会正式召开，推出从基座模型 Gemini 升级到新的AI语音助手 Astra，标志着人机语音对话技术进入新的历史时刻。
科技魔方
5月10日凌晨，著名语音生成式AI平台ElevenLabs在社交平台宣布，推出文本生成歌曲产品ElevenLabs Music。
百度日前官方宣布文心一言语音定制功能上线，只需2秒钟，AI 就能完美重建任何一个人的声音，每个人都能拥有自己的AI声优。
近日，一款名为VoiceCraft的语音模型引起了业界的广泛关注。据官方宣称，该模型的性能已经超过了XTTS，这无疑为AI音频处理领域带来了新的突破。
站长之家
VoiceCraft大模型语音
Voicepanel是一个利用AI进行语音或视频采访的产品，帮助企业以较低成本获取客户反馈，远比传统的人工访谈更便宜。其使用户能够在短时间内进行大量对话，获取比传统调查更深入的洞察。
站长之家
Voicepanel语音视频
伴随着生成式深度学习模型的飞速发展，自然语言处理(NLP)和计算机视觉(CV)已经经历了根本性的转变，从有监督训练的专门模型，转变为只需有限的明确指令就能完成各种任务的通用模型。
人工智能和机器学习领域中最令人兴奋的进展之一是使用大型语言模型（LLMs）进行语音生成。虽然传统方法在各种应用中表现出色，但面临一个重大挑战:语义和感知信息的整合，常常导致低效和冗余。
AI语音合成初创公司ElevenLabs宣布已完成8000万美元的B轮融资，由Andreessen Horowitz、Nat Friedman等领投。
Resemble Enhance是一款令人印象深刻的语音处理技术，专为将嘈杂的音频转换为清晰有力的语音而设计。
近日，香港科技大学与微软亚洲研究院的研究团队联手开发的CoMoSVC技术在歌声转换领域取得了革命性突破。
ChatGPT语音功能被网友玩坏了!最近，抖音博主“新竹AI”让两个手机上的ChatGPT互相亲密交流，这场AI之间的恋爱对话被超16万网友围观。
-------------没有了-------------
产品与服务
联系站长
关于我们
冀公网安备 13100202000546号