डबफॉर्मर, एक ऐसा स्टार्टअप जो भावनात्मक संचार तकनीक का उपयोग करके AI ध्वनि अभिनय में क्रांति ला रहा है, को हाल ही में 360 मिलियन डॉलर का निवेश मिला है। यह निवेश कंपनी को अपने प्लेटफॉर्म को और विकसित करने और बाजार में अपनी पहुंच बढ़ाने में मदद करेगा।

तेज़ी से बढ़ते पॉडकास्ट क्षेत्र में, पॉडकैसल प्लेटफ़ॉर्म ने हाल ही में अपने नए AI टेक्स्ट-टू-स्पीच मॉडल Asyncflow v1.0 की घोषणा की है। यह नया मॉडल न केवल उपयोगकर्ताओं को 450 से अधिक विभिन्न AI आवाज़ें प्रदान करता है, बल्कि डेवलपर्स के लिए API इंटरफ़ेस भी खोलता है ताकि वे इस टेक्स्ट-टू-स्पीच फ़ंक्शन को सीधे अपने अनुप्रयोगों में एकीकृत कर सकें। पॉडकैसल के संस्थापक आर्टो येरित्सियन ने कहा कि कंपनी हमेशा से एक ऐसा टेक्स्ट

लैंटू ऑटोमोबाइल ने घोषणा की है कि इसकी स्व-विकसित एआई वॉयस संवाद प्रणाली 2025 की पहली छमाही में आधिकारिक तौर पर जारी की जाएगी और इसे आगामी नए मॉडल में लागू किया जाएगा। सिस्टम का प्रतिक्रिया समय बेहद तेज है, सभी कार्यों का प्रतिक्रिया समय 1 सेकंड से कम होगा, जिसका अर्थ है कि वाहन को वॉयस कंट्रोल करते समय ड्राइवर को एक सहज अनुभव मिलेगा। इसके अलावा, सिस्टम में 98% से अधिक वेक-अप पहचान दर है, जो उपयोगकर्ता के निर्देशों को सटीक रूप से पहचान सकती है। प्रौद्योगिकी में निरंतर प्रगति के साथ, लैंटू ऑटोमोबाइल ने 2025 की दूसरी छमाही में बड़े पैमाने पर OTA (ओवर-द-एयर) अपडेट करने की योजना बनाई है

TechCrunch की रिपोर्ट के अनुसार, वॉयस AI कंपनी ElevenLabs ने लेखकों को अपने रीडर ऐप पर AI-जनरेटेड ऑडियोबुक प्रकाशित करने की अनुमति दे दी है, इससे पहले कंपनी ने Spotify के साथ AI नेरेशन ऑडियोबुक लॉन्च किया था। ElevenLabs ने पिछले महीने $180 मिलियन का भारी फंडिंग हासिल किया था, और पिछले साल से लेखकों को प्रकाशन योजना के लिए आमंत्रित कर रहा था, अब यह योजना सभी लेखकों के लिए खुली है। कंपनी का लक्ष्य किफायती और आसान ऑडियोबुक निर्माण उपकरण प्रदान करना है ताकि उत्पादन लागत कम हो और Audible को चुनौती दी जा सके।

हाल ही में, एडोब की शोध팀 ने मिशिगन विश्वविद्यालय के शोधकर्ताओं के साथ मिलकर एक कृत्रिम बुद्धिमत्ता प्रणाली विकसित की है जिसका नाम MultiFoley है। यह प्रणाली फिल्मों और वीडियो में डबिंग ध्वनि प्रभाव उत्पन्न करने में सहायक है, जिससे पोस्ट-प्रोडक्शन में सहायता मिलती है। MultiFoley की विशेषता यह है कि यह उपयोगकर्ताओं को पाठ संकेत, संदर्भ ऑडियो या वीडियो उदाहरणों के माध्यम से ध्वनि प्रभाव बनाने की अनुमति देती है। डेमो में, यह प्रणाली यहां तक कि बिल्ली के म्याऊ को शेर की दहाड़ में या टाइपराइटर की आवाज को पियानो के नोटों में बदल सकती है, और वीडियो दृश्यों के साथ पूरी तरह से समन्वयित हो जाती है।

B站 ने 2024 विश्व आर्टिफिशियल इंटेलिजेंस सम्मेलन (WAIC2024) में पहली बार भाग लिया, जिसमें उसने अपनी नवीनतम स्व-विकसित AI तकनीकों और AI सामग्री के नए रुझानों को प्रदर्शित किया। B站 का प्रदर्शन तेज़ी से डिजिटल अवतार बनाने, डायनामिक मैन तकनीक, और पहले चीनी वर्चुअल गायक लुओ तियानयी के लिए कस्टम AI वॉयस लाइब्रेरी शामिल था, इन तकनीकों ने उपस्थित दर्शकों का बड़ा ध्यान आकर्षित किया।

वीडियो में,郭德纲 अंग्रेजी में कॉमेडी करता है, वास्तव में यह AI प्रौद्योगिकी द्वारा भागीदार एक उप-निर्माण उत्पाद है, जिसके पीछे एक चीनी कंपनी है जिसका नाम शियून टेक्नोलॉजी है। उनका उत्पाद HeyGen AI अनुवाद ध्वनि अनुकरण का "जादूगर" है। HeyGen की पहुँच वृद्धि की ओर बढ़ रही है, उपयोगकर्ता 7000 वीडियो के लिए कतार में हैं, प्यार करने वाली टेलर के द्वारा चीनी में वीडियो बनाने के लिए HeyGen ने दो दौर में करोड़ों डॉलर के वित्तपोषण को पूरा किया है, सफलतापूर्वक घरेलू बाजार में नवीनतम हिट AI एप्लिकेशन बना है। HeyGen ने प्रीमियम संस्करण जारी किया है, लेकिन क्या यह वीडियो निर्माण के दर्द बिंदुओं को सही तरह से संबोधित कर सकता है, यह देखना बाकी है।