Google为影片、电话和虚拟助理量身打造语音辨识模型，提高语音转文字准确性
Google最近更新了语音转文字的服务，为影片、电话和虚拟助理的语音互动模式，打造专属的语音辨识模型，要让语音转文字服务更加准确，此外，还加入了自动下标点符号的功能
Google发布用于自动语音辨识的资料增强新方法
Google的语音资料增强新方法SpecAugment，是直接对声学音谱图输入资料进行增强，不需要额外的资料，同时还能有效地改善自动语音辨识模型的效能
ElevenLabs发布端到端语音模型
语音创企ElevenLabs发布语音到语音模型ElevenRealtime，把识别、抢话处理、大模型与语音合成收进一个模型。v1Max语音推理基准得分98.8％、0.57秒开口，官方称没有模型能同时更
2026-10-21 人工智能 我要分享Google直接在手机部署机器学习模型，离线也能使用语音输入文字
传统语音辨识引擎使用的模型过于庞大，无法放在行动装置上，Google参数化模型并在最佳化之后，能压缩模型到只剩80MB
微软发布最新智能语音合成模型 Uni-TTSv3：一音色多语言，高保真高效率
最新11月16日消息，日前，微软发布最新Azure神经网络语音合成技术Uni-TTSv3多语言语音合成模型。与上一代语音合成模型相比，Uni-TTSv3语音合成保真度更高、速度更快、训练时间更短，更降
Block发布全双工语音模型Dessa
JackDorsey旗下支付公司Block发布全双工语音模型Dessa：纯语音训练、无文本中介，情绪与停顿内建于模型本身，可在MacBookM4Max等消费级设备本地运行。模型暂未开放，公司正招募安全
2026-10-25 人工智能 我要分享火山语音 7 篇论文入选国际顶会 Interspeech
日前，火山语音团队七篇论文成功入选国际顶会Interspeech2022，内容涵盖音频合成、音频理解等多个技术方向的创新突破。Interspeech作为国际语音通信协会ISCA组织的语音研究领域的顶级
2022-12-21 资讯 我要分享Google AI语音服务大更新，不仅降价还新增7种语言和31种声音
为了扩展AI语音服务的市场，Google除了加强语音辨识模型、语言支援数量和声音种类之外，也调整了语音服务的价格
32MB语音模型跑进浏览器 免联网
创企Underdog发布31.7MB文生语音模型Woof，3100万参数可直接在浏览器离线运行，并推出复古小游戏演示实时语音合成。公司此前已发布167MB语音转文字模型Bark和270亿参数端侧模型，
2026-11-06 人工智能 我要分享更轻，但更好！科大讯飞首发工业级中文预训练模型
近年来，以超大规模模型、海量训练数据、自监督学习准则为特点的无监督预训练模型备受关注。具有高通用性的无监督预训练大模型，结合知识和海量数据进行融合学习，通过提取原始数据的深层表征，实现对于下游任务的通
2023-01-06 资讯 我要分享Google发布端到端语音翻译模型，还能保留原本的声音特征
Translatotron模型透过单一的注意力Seq2seq网络，能直接将语音翻译成另一种语言的语音，中间不需要借助文字资料的转换
Google改良语音过滤模型，提升装置上语音辨识效果
轻量级语音过滤模型VoiceFilter-Lite，能够在装置上高效能运作，不需要网络连线，就能良好辨识目标使用者的声音，以改善语音辨识的效果
微软发布MAI语音新模型 实时转写百毫秒出字
微软AI发布实时转写模型MAI-Transcribe-2-Streaming与语音合成模型MAI-Voice-2.1：支持60种语言、首批结果100毫秒出头即出，语音模型可跨23种语言保持同一音色，几
2026-10-03 人工智能 我要分享
