跳到正文
AI 资讯
今天11月19日周四1 条
11月18日周三
11月13日周五
  1. AIHOT60

    MOSS-Live 全双工实时交互评测解读

    MOSS-Live 在 MOSS 官网公布的六项全双工指标中均居参评模型首位,其停顿抢话率为 1.44%,无关语音误接话率为 2.00%。与 GPT-Live-1、GPT Realtime 2.1 和豆包相比,MOSS-Live 的工具调用成功率为 51.00%、多轮任务成功率为 57.93%,但后者仍低于 GPT-Live-1 的 67.68%。

11月12日周四
11月11日周三
  1. The Decoder74

    DeepL 发布 Aure 模型,让实时语音翻译保留语气与讽刺

    DeepL 发布 Aure 模型,在实时翻译中保留原始说话者的语气、情绪、重音和语速。模型持续分析译文与原始音频,并通过强化学习减少目标语言中的口音影响,首发支持英语、德语、西班牙语、法语、意大利语、日语、葡萄牙语和韩语。Aure 已自动用于 DeepL Voice 的线上会议、面对面对话和 API。

11月10日周二
11月7日周六
11月6日周五
11月5日周四
  1. Hugging Face Blog74

    Gradium 发布可在端侧运行的 Phonon 语音合成模型

    Gradium 发布 Phonon 端侧文本转语音模型,可在无服务器、无网络条件下生成语音,并开放模型权重。Phonon 31m 采用 Apache 2.0 许可,支持英语;另一个 40m 版本覆盖英语、法语、德语、西班牙语和葡萄牙语。

    推荐理由:Phonon提供了离线运行、多语言支持和公开权重,榜单成绩与部署方式可供开发者评估实际采用价值。

10月28日周三
  1. Google DeepMind75

    Google DeepMind 发布 Genie 4 实时世界模型

    Google DeepMind 发布 Genie 4 世界模型,支持原生多模态生成与实时交互式世界模拟。模型结合 Gemini Omni、Gemini 3.8 Flash 等能力,可生成环境音效和交互对话,并模拟物理现象、人物动作及多步骤事件。

    推荐理由:原文同时呈现了 Genie 4 的能力边界与可信测试反馈,便于理解实时世界模型当前的可用范围。

10月26日周一
10月20日周二
  1. Mistral AI81

    Mistral AI 发布 Voxtral 3 语音模型与实时语音智能体 SDK

    Mistral AI 发布 Voxtral 3 语音模型家族与实时语音智能体 SDK,支持 50+ 语言的转写、对话推理和语音生成。Voxtral Small Transcribe 3 提供多语言转写、说话人分离和上下文偏置,Voxtral Mini TTS 3 支持 35+ 语言、50+ 方言及声音克隆,实时智能体可结合推理、工具调用和语音生成处理多步任务。

    推荐理由:原文给出转写、实时语音生成与智能体 SDK 的能力、基准和定价,便于评估语音智能体落地时的效果与成本。