- 上云资讯 -
2025-06-16 12:37:29 73人关注
字节火山引擎澄清与老凤祥 AI 智能眼镜合作传闻
近日，有关字节跳动旗下的火山引擎与中国珠宝品牌老凤祥合作开发 AI 智能眼镜的消息引发关注。根据6月11日的报道，一些知情人士透露，老凤祥即将推出多款搭载字节豆包大模型的 AI 眼镜，预计将在七月正式发布。这些产品主要针对老年群体，具备视觉理解、语音对话、语义识别、电话接听等多种功能。
2025-05-31 16:16:18 83人关注
ElevenLabs 发布 Scribe 语音转文本模型，准确率创新高、英语达 96.7%
ElevenLabs 是一家备受瞩目的人工智能语音克隆与生成初创公司，近日推出了其最新的语音转文本模型 ——Scribe v1。该模型声称在多种语言中都达到了最高的准确性，用户可以通过其官网进行体验。
2025-01-20 08:22:44 120人关注
Resemble AI 发布下一代深度伪造检测模型 Detect-2B:准确率高达94%
Resemble AI，一家领先的语音克隆公司，近日宣布发布了其下一代深度伪造检测模型 Detect-2B。这款新模型在检测 AI 生成的音频方面表现出了约94%的高准确率，标志着深度伪造检测技术的又一重要进步。
2025-01-15 02:29:43 250人关注
武汉大学联合中国移动九天人工智能团队开源音视频说话人识别数据集 VoxBlink2
武汉大学联合中国移动九天人工智能团队和昆山杜克大学基于YouTube数据开源了超过11万小时的音视频说话人识别数据集VoxBlink2。该数据集包含9904382个高质量音频片段及其相应的视频片段，来自YouTube上的111284名用户，是目前最大的公开可用的音视频说话人识别数据集。数据集的发布旨在丰富开源语音语料库，支持训练声纹大模型。
2024-12-27 20:30:35 90人关注
突破性语音识别技术:FunASR推出多语种离线转录利器
近日，FunASR推出了一款功能强大的多语言离线文件转录软件包，为用户提供了高效、精准的语音转文本解决方案。
2024-12-27 14:19:44 66人关注
Gladia语音识别API获1600万美元A轮融资，挑战亚马逊、微软和谷歌
法国初创公司Gladia提供了一种语音识别应用程序编程接口（API），在A轮融资中筹集了1600万美元。本质上，Gladia的API能够将任何音频文件以高准确度和低延迟转换成文本。
Gladia语音识别API 语音识别API融资 Gladia融资1600万 语音识别技术融资 Gladia API应用场景
2024-12-24 18:44:32 70人关注
AI语音转录工具Whisper被曝存在严重“幻觉” ，时常瞎编胡造
最近，一款由 OpenAI 的 Whisper 技术驱动的 AI 转录工具在医疗行业广受欢迎。许多医生和医疗机构都在使用这个工具来记录和总结与患者的会面。
2024-12-23 22:41:36 76人关注
Claude APP新增语音功能：Anthropic小范围测试最长10分钟语音听写
据悉，人工智能公司 Anthropic 正在对其 Claude 应用程序进行新功能测试。有消息称，该公司正在小范围内测试语音听写功能，用户可以进行长达 10 分钟的语音录制，由 Claude 进行转录。
2024-12-22 10:38:37 77人关注
新开源语音识别模型Moonshine：速度比OpenAI Whisper快五倍
美国初创公司 Useful Sensors 推出了一款名为 Moonshine 的开源语音识别模型。Moonshine 的设计旨在更高效地处理音频数据，相比于 OpenAI 的 Whisper，它在计算资源的使用上更为经济，处理速度快五倍。这一新模型专为在资源有限的硬件上实现实时应用而打造，具有灵活的架构。