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。
#语音识别
按标签聚合查看文章内容。
AI资讯
AI资讯科大讯飞展示基于AI的电子笔记本与翻译设备
科大讯飞在东京举办媒体说明会，介绍了其最新AI产品线，包括电子笔记本、双屏翻译机和AI语音录音笔。
AI资讯微软推出多款新AI模型，超越传统文本处理
微软发布三款全新AI模型，涵盖语音、文本转录及图像生成，展示其在AI领域的多元化布局。
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。
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ElevenLabs与IBM合作，将ElevenLabs语音技术整合进IBM AI代理watsonx Orchestrate
美国ElevenLabs公司与美国IBM于3月25日宣布合作，将ElevenLabs的语音识别（Speech-to-Text）和语音合成（Text-to-Speech）技术整合到IBM的AI代理产品“watsonx Orchestrate”中。此次合作旨在帮助客户在满足企业安全性和可扩展性需求的同时，提升由AI代理驱动的用户体验，提供更加丰富自然的语音交互工具。 语音作为AI代理与客户及员工沟通的
AI资讯OpenAI推出三款面向开发者的GPT实时音频模型API
OpenAI在Realtime API中新增三款音频模型，助力开发者打造更自然智能的实时语音体验。
AI资讯完全本地环境实现AI语音转文字软件“轻松视频与音频AI转写”发布
日本Magnolia株式会社于3月23日推出了一款基于AI语音识别的转写软件——“轻松视频与音频AI转写”。该软件支持Windows 11系统，售价为3980日元，采用一次性购买的下载方式，同时提供15天的免费试用版本。 “轻松视频与音频AI转写”基于OpenAI的语音识别模型“Whisper”，能够在本地环境运行，利用AI判断语境，生成更易读的文本内容。转写结果可保存为TXT文本文件和SRT字
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资讯搭载AI的智能耳机「GLIDiC AI +u Buds」：不仅能录音，还能提供智能建议
日本SB C&S推出的GLIDiC品牌发布了搭载AI功能的智能耳机，支持录音、文字转写、会议总结及个性化建议。
AI资讯日本SB C&S推出支持下一步行动的AI耳机「GLIDiC AI +u Buds」，在Makuake平台先行发售
日本SB C&S宣布推出旗下AI产品品牌「GLIDiC AI」的首款产品——「GLIDiC AI +u Buds」（GLIDiC AI Plus U Buds），并将于3月26日在日本众筹平台Makuake开启先行销售。 价格信息 产品售价为2万9800日元，若选择Pro计划套装则为4万4600日元。在Makuake平台的支持购买价格方面，包含耳机和一年AI付费计划的套装享受40%超早鸟折