#语音模型

共 5 篇相关文章

Underdog展示仅32MB的语音模型，体积虽小却能同时生成语音和音乐。本文解析这一超小音频模型的能力边界、小模型路线的现实意义，以及目前公开信息中仍待观察的关键细节。

某技术团队发布全面先进语音模型套件，主张语音将成为AI系统最重要接口，并将语音模型与推理模型物理就近部署以降低延迟，本文分析其技术逻辑与行业影响。

Block 发布 Dessa 全双工语音模型，号称迄今最真实。本文介绍其技术方向、全双工语音的交互价值，以及 Hacker News 社区的反馈与待验证之处。

Mistral 发布 Voxtral 3 语音模型，包含 Transcribe 转写与 Speech 合成两条能力线，并驱动全新语音 Agent API。本文解析其双模型架构、API 入口价值、音质与延迟的关键评测维度，以及对开发者技术选型和语音市场竞争格局的影响。

Anthropic发布Claude Sonnet 5.5，速度提升30%且在智能体编码上超越Opus 5.5；20余位AI领袖联名警告“智能爆炸”风险；AMD 82亿美元收购李飞飞World Labs。一文速览当日AI要闻。