Am 6. März hat出门问问 (Mobvoi) gemeinsam mit führenden akademischen Einrichtungen wie der Hong Kong University of Science and Technology, der Shanghai Jiao Tong University, der Nanyang Technological University und der Northwestern Polytechnical University das neue Sprachgenerierungsmodell Spark-TTS Open Source veröffentlicht und gleichzeitig seine kommerzielle, hochwertige TTS-Engine TicVoice 7.0 vorgestellt. Als siebte TTS-Engine von出门问问 stellt TicVoice 7.0 einen bedeutenden Durchbruch im Bereich der Sprachgenerierung dar und eröffnet ein völlig neues Paradigma der Sprachsynthese.

ZyphraAI hat kürzlich sein neuestes mehrsprachiges Text-to-Speech (TTS)-Modell **Zonos-TTS** veröffentlicht, das unter der **Apache2.0-Lizenz** steht, vollständig Open Source ist und kommerziell genutzt werden kann. Zonos-TTS unterstützt nicht nur die Echtzeit-Sprachklonierung, sondern wurde auch mit 200.000 Stunden englischer Sprachdaten trainiert und bietet eine herausragende Leistung. Zonos-TTS bietet zwei Bereitstellungsmethoden: lokale Bereitstellung und einen praktischen API-Dienst. Für normale Benutzer bietet Zyphr...

Die Shanghai University hat kürzlich auf Basis ihrer KI-Plattform „Qianxue Encyclopedia“ eine Reihe fachspezifischer großer Sprachmodelle vorgestellt, die den Einsatz von künstlicher Intelligenz in Bildung und Forschung weiter vorantreiben. Zu diesen neuen Modellen gehören ein großes Sprachmodell für den Shanghaier Dialekt, ein Organoid-Großes Sprachmodell und ein Materialgenom-Großes Sprachmodell. Das am 9. November 2024 veröffentlichte große Sprachmodell für den Shanghaier Dialekt „Xiao Hu“ sticht besonders hervor. Version 1.0 von „Xiao Hu“ konzentriert sich auf die Fähigkeiten Lesen, Schreiben, Hören und Sprechen im Shanghaier Dialekt und ermöglicht unter anderem das Vorlesen von Texten im Shanghaier Dialekt sowie einen freien Dialog zwischen Shanghaier Dialekt und Mandarin.

Auf der Consumer Electronics Show (CES) 2025 kündigte Samsung an, eine beliebte Funktion von Handys und Tablets in seine Fernsehgeräte zu integrieren – die Live-Übersetzung (Live Translate). Diese Funktion soll Nutzern eine Live-Übersetzung von Sendungen bieten, damit Zuschauer verschiedener Sprachgruppen Programme einfacher genießen können. Die Live-Übersetzungsfunktion unterstützt sieben Sprachen, wobei die genauen Sprachen derzeit noch nicht bekannt gegeben wurden. Die Technologie übersetzt die Untertitel der Sendung, anstatt den Audio-Stream direkt zu übersetzen. Ab 202...

Meta hat kürzlich einen neuen Benchmark namens Multi-IF veröffentlicht, der die Fähigkeit großer Sprachmodelle (LLMs) zur Befolgung von Anweisungen in mehrstufigen Dialogen und mehrsprachigen Umgebungen bewertet. Der Benchmark umfasst acht Sprachen und 4501 Dreirunden-Dialogaufgaben und konzentriert sich auf die Leistung aktueller Modelle in komplexen, mehrstufigen und mehrsprachigen Szenarien. Bisherige Bewertungsstandards konzentrierten sich meist auf einstufige Dialoge und einsprachige Aufgaben und spiegelten die Leistung der Modelle in realen Anwendungen nur unzureichend wider. Multi-IF wurde entwickelt, um dies zu ändern.

Das französische KI-Unternehmen Mistral AI hat kürzlich eine neue Content-Moderations-API veröffentlicht. Dieser Schritt unterstreicht nicht nur seinen globalen Ehrgeiz im Bereich KI, sondern zeigt auch ein tiefes Verständnis für die Regulierung von KI. Das auf dem Modell Ministral8B basierende Moderationssystem erkennt präzise neun Kategorien potenziell schädlicher Inhalte, darunter sexuelle Inhalte, Hassreden, Gewalt, gefährliche Aktivitäten und persönliche Daten. Bemerkenswert ist, dass die API elf Haupt-Sprachen unterstützt, darunter Arabisch, Chinesisch, Englisch, Französisch und weitere.

Das französische KI-Startup Mistral AI hat kürzlich eine neue Content-Moderations-API vorgestellt, um mit OpenAI und anderen Branchenführern zu konkurrieren und den wachsenden Problemen der KI-Sicherheit und Inhaltsfilterung zu begegnen. Dieser Dienst basiert auf Mistrals Ministral8B-Modell und wurde feinabgestimmt, um potenziell schädliche Inhalte in neun verschiedenen Kategorien zu erkennen, darunter Pornografie, Hassreden, Gewalt, gefährliche Aktivitäten und persönlich identifizierbare Informationen.

OpenAI hat kürzlich einen umfangreichen mehrsprachigen Datensatz veröffentlicht, der die Leistung von künstlicher Intelligenz in 14 Sprachen bewertet, darunter Arabisch, Deutsch, Suaheli, Bengalisch und Yoruba. Dieser Datensatz, genannt „Multilingual Massive Multitask Language Understanding“ (MMMLU), wurde auf der Open-Data-Plattform Hugging Face veröffentlicht und markiert einen weiteren wichtigen Fortschritt von OpenAI im globalen KI-Bereich. Datenzugang: https://huggingface

Linly-Dubbing ist ein Open-Source-KI-Tool, das speziell für die mehrsprachige Synchronisation und Übersetzung von Videos entwickelt wurde und den Prozess der Videolokalisierung vereinfacht. Benutzer müssen lediglich das Video hochladen, und das Tool lädt, übersetzt, synchronisiert und generiert Untertitel automatisch in verschiedenen Sprachen. Seine leistungsstarke KI-Erkennungs- und Übersetzungsfähigkeit, in Zusammenarbeit mit Modellen wie GPT, garantiert eine hochwertige und natürliche Übersetzung. Besonders hervorzuheben ist die Technologie des Sprachklonens, die es ermöglicht, einen dem Originalsprecher sehr ähnlichen Klang zu erzeugen und so die Synchronität von Lippenbewegung und Sprache sicherzustellen und das Seherlebnis zu verbessern. Dieses Tool eignet sich ideal für internationale Bildung und globale Unterhaltung.

Die Forschungsgruppe für Wissenstechnik und das Data Mining Team der Tsinghua-Universität präsentieren CodeGeeX4-ALL-9B, den neuesten Erfolg der CodeGeeX-Serie. Dieses Modell erreicht Spitzenleistungen im Bereich der mehrsprachigen Codegenerierung und setzt neue Maßstäbe für die Automatisierung der Codeerstellung. Basierend auf dem GLM-4-9B-Framework verfügt es über 940 Millionen Parameter und übertrifft vergleichbare Modelle in Bezug auf Codegenerierung, -vervollständigung und -erklärung. Es zeichnet sich durch eine hervorragende Inferenzgeschwindigkeit und Gesamtleistung aus. Seine hohe Anpassungsfähigkeit deckt alle Aspekte der Softwareentwicklung ab und bietet Unterstützung für Code auf Repository-Ebene.

RTranslator ist eine (fast) Open-Source, kostenlose und Offline-Echtzeit-Übersetzungs-App, die auf Android-Smartphones offline verwendet werden kann. Benutzer können über die App eine Verbindung zu anderen Smartphones herstellen, die die App verwenden, und mit Bluetooth-Headsets eine sofortige Gesprächsübersetzung ermöglichen. Darüber hinaus werden ein Gegensprechmodus und ein Textübersetzungsmodus angeboten, um den Übersetzungsbedarf in verschiedenen Anwendungsszenarien zu erfüllen.

Googles Forscher haben ein vortrainiertes Bewertungsmodell namens Cappy vorgestellt, das die Leistung großer mehrsprachiger Sprachmodelle verbessern soll. Cappys Architektur basiert auf RoBERTa und wurde mit einem vielfältigen Datensatz trainiert, um die Leistung und Effizienz mehrsprachiger Sprachmodelle zu steigern. Durch die Einführung des leichtgewichtigen vortrainierten Bewerters Cappy wird die Herausforderung gelöst, große Sprachmodelle in Multitasking-Szenarien effektiv zu nutzen. Die Forscher schlagen eine Methode zur Datenkonstruktion vor, um den Bedarf an Etikettdiversität in den Trainingsdaten zu decken und große, effektive Datensätze zu generieren.

In den frühen Morgenstunden des 18. Januar 2024 veranstaltete Samsung eine globale Produkteinführungsveranstaltung für Galaxy AI und kündigte die Einführung der Galaxy S24-Serie an. Gemeinsam mit Googles Gemini-Nano-Sprachmodell läutet Samsung das "Galaxy AI Zeitalter" ein. Das neue Galaxy S24-Serien KI-Handy unterstützt zahlreiche KI-Funktionen, darunter Sprachverständnis und Bilderkennung, sowie neue Funktionen wie Circle to Search, KI-Live-Übersetzung und KI-Notiz-Assistent. Das Handy verfügt außerdem über...

Google plant eine Investition von 4 Millionen US-Dollar in das indische Startup CoRover.ai. Die Unterstützung gilt der Entwicklung von BharatGPT, das über 130 Sprachen unterstützt. BharatGPT ist in der Lage, diverse Datenformate zu verarbeiten. Google zeigt sich zuversichtlich in Bezug auf die Entwicklung des indischen KI-Bereichs.

'📢 Ethische Bedenken bei mehrsprachiger Telefonwerbung: Der New Yorker Bürgermeister nutzt KI-Tools für mehrsprachige Telefonwerbung und löst damit eine breite Diskussion aus. ''🗣 Der Bürgermeister behauptet, mehrere Sprachen zu sprechen, verwendet aber tatsächlich KI-generierte Stimmen, was zu heftigen ethischen Kontroversen führt. ''📞 Tausende Anrufe in Spanisch, Jiddisch, Mandarin usw. lösen Bedenken hinsichtlich der Ethik aus. ''🤖 Der Bürgermeister behauptet, dies diene der Kommunikation mit mehrsprachigen Bürgern, wird aber von Kritikern stark in Frage gestellt.'