TAG:语音技术

OpenAI最新推出三款实时语音模型：GPT-Realtime-2、GPT-Realtime-Translate和GPT-Realtime-Whisper。GPT-Realtime-2作为首款具备GPT-5级推理能力的语音工具，能实现自然流畅对话、复杂逻辑推理和实时处理打断，攻克语音交互中的延迟高、无法自然打断等痛点。另外两款模型分别专注于多语言翻译和低延迟转录，通过Realtime API提供，标志着AI语音交互从简单响应向深度实时理解的跨越。

aibase

2026-05-08 12:02

0

·

0

阿里通义千问发布新一代语音合成模型Qwen3-TTS，免费向全球开发者开放。该模型提供49种多角色音色，支持10种主流语言和10种中国方言，在词错误率（WER）上表现优异，拟人化程度高。具备自适应语速、实时流式合成等功能，适用于播客、有声书、游戏NPC等多种场景，且默认支持商业用途，无需额外授权费。

爱力方

2025-12-11 12:02

19

·

0

法国AI语音初创公司Gradium宣布完成7000万美元种子轮融资，创欧洲语音AI领域新纪录。公司主打超低延迟和高情感表达的音频语言模型，支持多语言实时响应，计划扩展团队和全球市场，与OpenAI等竞争下一代人机交互基础设施。

aibase

2025-12-03 15:58

1

·

0

StepFun AI发布开源项目Step-Audio-EditX，基于30亿参数音频语言模型，首次将语音编辑转化为类似文本标记级别的可控操作。该模型通过双码本分词架构和大间隔学习技术，实现情感、语调、风格及副语言特征的精准编辑，在中文情感准确率上从57.0%提升至77.7%。项目全栈开源，大幅降低语音编辑研究门槛，让开发者能像编辑文本一样直观操作语音。

aibase

2025-11-10 15:31

0

·

0