Бостонский стартап Modulate, занимающийся голосовым ИИ, привлёк $25 млн новых инвестиций. Платформа компании использует множество небольших моделей для транскрипции, эмоционального анализа, обнаружения дипфейков и AI-музыки, а также контроля соблюдения политик в регулируемых отраслях.
SpaceXAI представила новую модель распознавания речи Grok Voice Transcribe 2.0. По данным разработчиков, она допускает вдвое меньше ошибок, чем предыдущая версия, при сохранении прежней стоимости.
Xiaomi представила открытую ИИ-модель CocktailASR-1, решающую задачу распознавания голоса конкретного человека среди множества говорящих одновременно людей — так называемый «эффект коктейльной вечеринки».
Подразделение Microsoft AI представило новую модель распознавания речи MAI-Transcribe-2. По заявлению разработчиков, она работает быстрее, точнее и дешевле аналогичных решений от OpenAI, Google и ElevenLabs. Расшифровка часа аудио обойдётся всего в 10 центов.
Voice-Pro — веб-приложение с открытым исходным кодом для распознавания речи, перевода и дубляжа. Оно объединяет скачивание видео с YouTube, разделение голоса, транскрипцию и синтез речи в одном инструменте для авторов и исследователей.
