发现
语言
账户
人工智能公司Cartesia发布了Sonic-3——其新一代语音AI引擎为实时对话界面设立了新标准。该平台在精准捕捉人类语音模式的同时，实现了前所未有的低于100毫秒延迟。
这一突破源于Cartesia采用的状态空间模型（SSM）架构，区别于传统的Transformer模型。此项创新实现了：
Sonic-3展现出卓越的多语言能力：
该平台提供企业级定制服务：
订阅我们的 Newsletter，获取最新 AI 资讯、产品评测和项目推荐，每周精选直达邮箱。
谷歌发布了突破性的WAXAL语音数据集，涵盖21种非洲语言。与以往由科技巨头主导的举措不同，非洲机构保留了对这一资源的所有权。凭借超过11,000小时的录音资料，WAXAL旨在解决长期存在的识别问题，同时赋能本地AI发展。多所大学已将其应用于从孕产保健到语言保护等多个项目。
声网与美团联合推出首个AI外呼行业评估标准VoiceAgentEval。该实用基准测试针对真实商业场景而非实验室环境，涵盖六大业务领域的30个子场景。系统采用真实通话数据，同时评估文本逻辑与语音质量，通过150组模拟对话测试AI表现。初步测试结果已识别出这一新兴领域的顶尖模型。
中国热门社交平台小红书正在测试一款名为OpenStoryline的创新AI视频编辑工具，或将彻底改变内容创作方式。该工具的对话式界面允许用户通过自然语言指令编辑视频，有望让专业剪辑变得人人可及。虽然仍处于早期测试阶段，但公司暗示这款颠覆性工具最终可能开源。
语音AI先驱ElevenLabs已成功获得惊人的5亿美元新融资，使其估值飙升至110亿美元——较一年前增长了三倍。红杉资本领投本轮融资，现有支持者大幅增加了持股比例。该公司年经常性收入已达3.3亿美元，计划在全球范围内扩张业务，并从语音技术向能处理文本、视频并执行操作的多模态AI代理转型。
腾讯旗下搜狗输入法迎来重大里程碑，其AI功能用户数已突破1亿。最新版本具备98%的语音识别准确率，每日处理的语音请求量高达20亿次。除技术升级外，此次更新还带来更智能的预测输入和更简洁的界面——证明AI甚至能让我们的键盘变得更实用。
阿里巴巴的通义千问应用推出了一款AI助手，能如此逼真地致电餐厅预订座位，以至于工作人员都没意识到自己在和机器对话。该功能涵盖从拨号到情感回应的全过程，标志着语音AI的重大飞跃。颇具讽刺的是，部分餐厅如今也开始使用AI接待员——这意味着你的晚餐预订可能很快将由机器人全权安排。
