AI音频AssemblyAI 语音转写与语音理解平台
AssemblyAI 提供行业领先的语音转文字与语音理解模型，帮助企业从语音数据中高精度提取内容与洞察，快速构建和扩展各类语音智能产品。
#语音识别
按标签聚合查看文章内容。
AI音频
AI资讯挑战英伟达霸主地位：Cohere发布开源轻量级语音识别模型Transcribe
Cohere于2026年3月26日推出了开源语音识别模型Cohere Transcribe，拥有20亿参数，专为边缘设备设计，解决大型语音模型带来的延迟问题。该模型支持14种语言，性能超越主流竞争对手，旨在通过开发者社区推动生态发展并实现商业化。
AI资讯什么是实时AI语音翻译解决方案“DeepL Voice”？
DeepL Japan推出的实时AI语音翻译解决方案，助力多语言会议高效沟通。
AI资讯DeepL发布实时语音到语音翻译系统“Voice-to-Voice”
DeepL日本公司推出了实时AI语音翻译系统“DeepL Voice-to-Voice”，支持多场景多语言即时语音翻译。
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资讯AmiVoice RolePlay新增AI对话型角色扮演功能
Advanced Media推出搭载AI语音识别的AmiVoice RolePlay新功能，实现更真实的商谈训练体验。
AI资讯从「Rokid Glasses」看AI时代个人设备的新形态
智能眼镜作为继智能手机之后的潜力设备，正逐渐改变人们的交互方式和生活习惯。
AI资讯Google翻译应用的实时翻译功能扩展至日本及70多个地区
2024年3月27日，日本时间，Google宣布在iOS和Android版的“Google翻译”应用中，扩大了通过耳机实时听取翻译内容的直播翻译功能的适用区域。 用户只需佩戴耳机并开启应用中的直播翻译功能，即可实时听到同步翻译的语音。该功能利用了Google最新的Gemini语音对译技术，AI能够生成包含说话者语调、重音和抑扬顿挫的合成语音，帮助用户更轻松地理解“谁说了什么”。这项技术适用于日常
AI资讯谷歌在日本推出可通过手机摄像头和语音与AI互动的“Search Live”功能
美国谷歌公司于3月27日（日本时间）宣布，Android和iOS版“Google”应用中的“Search Live”功能现已支持日语。该功能利用谷歌搜索的AI模式，能够识别摄像头所见内容，实时通过语音回答用户提问，并提供相关网站链接。此次更新使得包括日本在内的200多个国家和地区的用户都能通过谷歌AI模式进行对话。 用户只需在“Google”应用的搜索栏下方点击带有三条竖线的“直播”按钮，然后用
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Slackbot新增跨应用自动化功能，实现业务流程一体化管理
日本国家Slack公司为其个人AI助手“Slackbot”增添了全新功能。用户此前需要分别操作的应用程序、数据源及第三方代理，现在可以通过Slack中的单一对话界面统一管理。 Slackbot能够将用户使用的应用、代理及数据整合到一个对话式界面中。它与Slack内积累的对话、决策和知识库相连接，直接访问业务所需信息。与公开信息不同，Slackbot能理解企业业务背景，提供针对性回答。 此次功能升