مدل‌ها
Granite Speech 5.0 IBM؛ رونویسی، ترجمه و تشخیص گوینده دقیق‌تر و سریع‌تر
IBM مجموعه Granite Speech را با مدل جدید 5.0 و به‌روزرسانی دو مدل دیگر ارتقا داد؛ دقت بالاتر، سرعت بیشتر و کنترل بهتر برای رونویسی و ترجمه گفتار.
مدل‌ها
معرفی Real World VoiceEQ: سنجش کیفیت انسانی هوش مصنوعی گفتاری
ابزار جدید Real World VoiceEQ توسط Hugging Face، کیفیت انسانی هوش مصنوعی گفتاری را اندازه‌گیری می‌کند و شکاف ارزیابی‌ها را می‌سنجد.
محصولات
هوش مصنوعی با OpenAI: معرفی API مکث زمان واقعی برای توسعه‌دهندگان
OpenAI با معرفی ابرداده‌ی تجربی، API مکث زمان واقعی را معرفی کرد که به توسعه‌دهندگان امکان می‌دهد تجربه‌های گفتگوی صوتی سریع‌تری را در اپلیکیشن‌های خود پیاده کنند و فضای گفتگو را بهسریع‌رسانی بیفزاید.
پژوهش
دو برابر سرعت ورایشر با Speculative Decoding در پردازش گفتار
استفاده از تکنیک Speculative Decoding در مدل Whisper، سرعت پردازش گفتار را دو برابر می‌کند و دقت آن را حفظ می‌دارد؛ یک گام مهم در توسعهٔ هوش مصنوعی