音频模型

语音、音乐与音频理解模型 · 31 篇

2026年7月8日

语音模型11:23

Cohere 发布阿拉伯语 ASR 新 SOTA：2B 参数开源模型，WER 比 Whisper 低 11 个点

4 次阅读阅读全文

2026年7月7日

语音模型11:37

AssemblyAI Universal-3.5 Pro：原生语码转换、最准说话人分离，ASR 模型解决真实音频三大痛点

3 次阅读阅读全文

2026年6月29日

语音模型11:10

ElevenLabs 接入 Google SynthID 水印：AI 生成音频终于有了「隐形身份证」

9 次阅读阅读全文

2026年5月30日

语音模型20:07

ElevenLabs 发布 Dubbing v2：保留说话人情感的 AI 配音模型，支持 90+ 语言实时本地化

34 次阅读阅读全文

2026年5月23日

语音模型09:08

DeepSeek 启动 100 亿美元融资轮，梁文锋宣布追求 AGI、坚持开源、短期不商业化

4 次阅读阅读全文

2026年5月20日

语音模型20:21

Corti 发布 Symphony for Speech-to-Text：医疗专用语音识别，词错率 1.4% 碾压 OpenAI 和 Whisper

5 次阅读阅读全文

2026年5月19日

语音模型10:27

DramaBox：基于 LTX-2.3 的导演级 AI 音频演绎模型，Prompt 驱动情感表达 + 10 秒声音克隆

15 次阅读阅读全文

2026年5月17日

语音模型20:15

Supertone 发布 Supertonic v3：99M 参数端侧 TTS，31 语言、CPU 直跑、2 步推理

7 次阅读阅读全文

2026年5月10日

语音模型09:15

Cloudflare 裁员超 1100 人：不是降本增效，是为agentic AI时代重新造公司

40 次阅读阅读全文

2026年5月8日

语音模型20:26

Inworld AI 发布 Realtime TTS-2：为实时对话而生，自然语言控制语气，100+语言跨语种保持音色

3 次阅读阅读全文

2026年5月7日

语音模型20:15

OpenAI 揭秘大规模实时语音 AI 架构：WebRTC + Transceiver 如何支撑 9 亿用户语音对话

2 次阅读阅读全文

2026年5月6日

语音模型20:21

MiniMind-O 开源：0.1B 参数的「能听能说能看」全模态语音模型，带语音克隆

2 次阅读阅读全文

已显示 12 / 31 篇文章