AI资讯Cohere发布首个开源语音转录模型
企业级AI公司Cohere于周四推出了其首个语音模型：Transcribe。这是一款开源的自动语音识别（ASR）模型，适用于笔记记录和语音分析等任务。 该模型参数量仅为20亿，设计目标是支持使用消费级GPU的用户自托管。目前，Transcribe支持14种语言，包括英语、法语、德语、意大利语、西班牙语、葡萄牙语、希腊语、荷兰语、波兰语、中文、日语、韩语、越南语和阿拉伯语。 Cohere表示，Tra
#语音识别
按标签聚合查看文章内容。
AI资讯
AI资讯准备迎接充满低语声的未来办公室
随着我们与电脑交流的时间越来越多，工作环境将会发生怎样的变化？《华尔街日报》最近的一篇报道关注了像 Wispr 这样的语音转录应用日益流行，尤其是它们能够与编程工具结合使用，这对办公室礼仪可能带来怎样的影响。 一位风险投资家表示，现在去初创公司办公室就像走进了高端呼叫中心。Gusto 联合创始人 Edward Kim 也告诉他的团队，未来办公室的声音“更像是销售大厅”。（作为曾被临时调到销售区办公
AI资讯高效轻量化：IBM发布Granite 4.0 1B多模态语音大模型
IBM推出了专为边缘计算和企业应用优化的Granite4.01B语音模型，参数减半性能提升，支持多语言语音识别和双向翻译，新增日语识别及关键词偏置功能，显著提升英语转录准确率。
AI商业Gridspace 智能会话与虚拟呼叫中心平台
Gridspace 是一款面向现代联络中心的智能会话与虚拟呼叫中心平台，提供虚拟坐席与语音可观测能力，帮助企业实时理解并自动化语音通话、聊天和客户对话。
AI资讯谷歌发布实时语音翻译模型“Gemini 3.5 Live Translate”
美国谷歌公司于2026年6月9日（当地时间）正式发布了最新的实时语音翻译模型“Gemini 3.5 Live Translate”，以纪念其翻译服务“Google 翻译”诞生20周年。 “Gemini 3.5 Live Translate”支持70多种语言，能够在保持说话者语调、语速和音高的同时，几乎实时生成翻译语音。传统的语音翻译多采用“轮流翻译”方式，即需等待说话者说完后再进行翻译，而该模型
AI资讯NEC利用AI辅助判定梅雨季后急增的119紧急通报紧急度
NEC开发AI系统，实时分析119紧急通报内容，辅助指令员判定紧急程度，减轻工作负担。
AI教程在聊天中引入Manus代理：随时随地的个人助理
今天，我们推出了Manus代理——一种全新方式，让你可以直接在聊天应用中使用Manus。Telegram是首个支持的平台，Manus代理现已向所有用户开放，涵盖所有订阅等级，更多平台也将陆续支持。 个人AI代理在聊天中的概念并不新鲜，但大多数方案需要复杂的设置、持续维护和难以预估的费用，导致普通用户难以真正使用。 Manus代理旨在消除这些障碍，让你专注于代理能做什么，而不是如何运行它。 什么是M
AI资讯谷歌在日本推出“搜索 Live”功能，支持语音与摄像头的AI模式搜索
美国谷歌公司于26日（美国时间）发布了进一步提升实时对话体验的“Gemini 3.1 Flash Live”。该音频模型是迄今为止质量最高的，能够实现下一代“语音优先”AI所需的速度和自然节奏。借助Gemini 3.1 Flash Live，谷歌在日本推出了支持语音和摄像头的新搜索功能“搜索 Live(Search Live)”。 Gemini 3.1 Flash Live已作为预览版通过谷歌A
AI资讯微软开源前沿语音AI系列VibeVoice：一次处理90分钟多说话人对话，GitHub迅速获27K星
微软发布了支持自动语音识别和文本转语音的VibeVoice语音AI模型，具备长音频处理、多说话人对话生成和实时低延迟等特性，已在GitHub获得27K星。该项目采用MIT许可证，支持本地部署，无需云服务费用，推动语音合成领域创新。
AI资讯谷歌悄然推出支持离线的AI语音转写应用
谷歌于周一悄然发布了一款名为“Google AI Edge Eloquent”的离线优先语音转写应用，目前仅在iOS平台上线，旨在与Wispr Flow、SuperWhisper、Willow等同类产品竞争。该应用免费下载，用户只需下载基于Gemma的自动语音识别（ASR）模型，即可开始在手机上进行语音转写。 应用内支持实时转录，暂停时会自动过滤“嗯”、“啊”等填充词，并对文本进行润色。转录文本下
AI资讯本地化计算：Speechify 推出原生 Windows 应用，挑战系统级语音转文字
Speechify 推出原生 Windows 客户端，升级为全栈语音助手，支持本地 AI 模型实时语音转文字，保障隐私与响应速度。
AI资讯日本先进媒体推出结合语音识别、生成AI与情感识别的实时商谈辅助系统
日本先进媒体发布了利用AI语音识别、生成AI和情感分析技术的销售辅助解决方案，助力商谈实时支持与分析。