वॉयस असिस्टेंट धीरे-धीरे हमारे जीवन का एक अभिन्न अंग बनते जा रहे हैं, और मौजूदा डिजिटल वॉयस असिस्टेंट उपयोगकर्ताओं के साथ बातचीत करते समय अक्सर नीरस और भावनाहीन लगते हैं, मानवीय तत्वों की कमी होती है। इसे देखते हुए, सेसम टीम इस समस्या को हल करने के लिए काम कर रही है, एक नए तरह के "वॉयस एक्ज़िस्टेंस" कॉन्सेप्ट को लागू करने का प्रयास कर रही है, जिससे डिजिटल असिस्टेंट बातचीत में अधिक यथार्थवादी, समझदार और मूल्यवान बन सकें। सेसम का मुख्य लक्ष्य एक ऐसा डिजिटल साथी बनाना है जो केवल अनुरोधों को संसाधित करने का उपकरण न हो, बल्कि वास्तविक बातचीत करने वाला साथी भी हो। ये डिजिटल साथी...

ElevenLabs ने हाल ही में अपना नया Scribe वॉयस-टू-टेक्स्ट मॉडल जारी किया है, जो अंग्रेज़ी भाषा में 96.7% की अभूतपूर्व सटीकता प्राप्त करता है। यह मॉडल उन्नत तकनीक का उपयोग करके बनाया गया है, जिससे यह अन्य वॉयस-टू-टेक्स्ट मॉडलों से बेहतर प्रदर्शन करता है।

हाइसेंस समूह ने आधिकारिक रूप से घोषणा की है कि उनके स्व-विकसित स्टारसी विशाल मॉडल ने DeepSeek से सफलता से जुड़ गया है। यह कदम उपयोगकर्ताओं के लिए स्मार्ट जीवन और स्मार्ट शहरों के क्षेत्र में अधिक सुविधाजनक और स्मार्ट इंटरएक्टिव अनुभव लाने के लिए है। हाइसेंस ने 2024 से शुरू होकर अनुसंधान और विकास करने वाले स्टारसी विशाल मॉडल में भाषा, दृश्य निर्माण और बहु-मोडल समझ के तीन प्रमुख क्षेत्रों को शामिल किया है। DeepSeek के साथ एकीकरण के माध्यम से, हाइसेंस की स्मार्ट तकनीकी क्षमताओं में उल्लेखनीय वृद्धि हुई है। हाइसेंस टीवी उपयोगकर्ताओं के लिए, DeepSeek से जुड़ने के बाद, रिमोट कंट्रोल पर AI का उपयोग करना

आर्टिफिशियल इंटेलिजेंस वॉयस कंपनी ElevenLabs ने फिर से ध्यान आकर्षित किया है, इसने हाल ही में 250 मिलियन डॉलर की सीरीज़ C फंडिंग पूरी की है, जिसमें मूल्यांकन 3 बिलियन से 3.3 बिलियन डॉलर के बीच है। यह फंडिंग ICONIQ Growth द्वारा लीड की गई थी, जो AI वॉयस तकनीक के प्रति बाजार के मजबूत विश्वास को दर्शाता है। केवल एक वर्ष पहले, ElevenLabs ने 80 मिलियन डॉलर की B राउंड फंडिंग पूरी की थी, जिसका मूल्यांकन तब वर्तमान मूल्य का केवल एक तिहाई था, जो इस कंपनी के तेज विकास को दर्शाता है। ElevenLabs की नींव Mat द्वारा रखी गई थी।

फ्रांसीसी स्टार्टअप Rounded एक AI वॉयस एजेंट प्लैटफ़ॉर्म विकसित करने में जुटा है, जो कंपनियों को अपना स्वयं का वॉयस एजेंट आसानी से बनाने में सक्षम बनाएगा। आर्टिफिशियल इंटेलिजेंस तकनीक के तेज़ी से विकास के साथ, Rounded को विश्वास है कि AI वॉयस एजेंट ग्राहकों और कंपनियों के बीच इंटरैक्शन का प्रमुख तरीका बन जाएगा। शुरू में, Rounded की टीम ने एक Web3 प्रोडक्ट लॉन्च करने की कोशिश की, लेकिन जून 2023 में AI वॉयस एजेंट पर ध्यान केंद्रित किया। चित्र स्रोत टिप्पणी: चित्र AI द्वारा उत्पन्न, चित्र लाइसेंस सेवा प्रदाता Midj

डिजिटल पेमेंट क्षेत्र में एक और महत्वपूर्ण नवाचार में, पेमेंट समाधान प्रदाता iWallet ने पहले वॉयस AI पेमेंट सिस्टम का शुभारंभ किया है। यह क्रांतिकारी तकनीक की शुरुआत पेमेंट उद्योग को स्मार्ट वॉयस इंटरैक्शन के युग में लाती है। वर्तमान में, पेमेंट उद्योग अभी भी इंटरैक्टिव वॉयस रिस्पॉन्स (IVR) और डुअल-टोन मल्टीफ्रीक्वेंसी (DTMF) जैसी पारंपरिक तकनीकों का व्यापक रूप से उपयोग करता है, जो न केवल उपयोगकर्ता अनुभव को खराब करता है, बल्कि पेमेंट कार्ड उद्योग (PCI) के अनुपालन में भी चुनौतियों का सामना करता है। इस समस्या का सामना करते हुए, iWallet द्वारा विकसित वॉयस AI सिस्टम ने न केवल PCI अनुपालन को सुनिश्चित किया है।

OpenAI के CEO सैम आल्टमैन ने हाल ही में सोशल प्लेटफॉर्म X पर 2025 के लिए इच्छाओं की एक पहल शुरू की, जिसने वैश्विक उपयोगकर्ताओं में गर्म обсуждения को उत्पन्न किया। इस AI दिग्गज के नेता ने भले ही एक साधारण प्रश्न उठाया, लेकिन उन्हें कई निर्माणात्मक सुझाव मिले, जिसमें संभावित उत्पाद सुधार दिशाएँ शामिल हैं। कई सुझावों में, परिवार खाता कार्यक्षमता पर विशेष ध्यान दिया गया। एक उपयोगकर्ता ने OpenAI से सभी परिवारों के लिए एक खाता प्रणाली पेश करने का सुझाव दिया, जिसमें माता-पिता की निगरानी का कार्यक्षमता हो, ताकि बच्चे एक सुरक्षित वातावरण में AI की दुनिया का अन्वेषण कर सकें।对此，阿

2023 में स्थापित वापी कंपनी ने हाल ही में 20 मिलियन डॉलर की सी राउंड फंडिंग सफलतापूर्वक पूरी की, जिसमें बीसेमर वेंचर पार्टनर्स का नेतृत्व था, इसके अलावा अब्स्ट्रैक्ट वेंचर्स, एआई ग्रांट, वाई कॉम्बिनेटर, सागा वेंचर्स और माइकल ओविट्ज का निवेश मिला। जनरेटिव वॉयस मॉडल मनुष्य के इंटरएक्शन स्तर के करीब पहुंचने के साथ, कई व्यवसायों को एक की आवश्यकता है

आर्टिफिशियल इंटेलिजेंस तकनीक के तेजी से विकास के इस दौर में, SoundHound AI फिर से अपनी बाजार क्षमता को प्रदर्शित करता है। यह संवादात्मक AI पर केंद्रित टेक कंपनी हाल ही में लगातार सकारात्मक समाचार प्रदान कर रही है, न केवल निवेशकों के सम्मेलन में अत्याधुनिक तकनीक का प्रदर्शन किया, बल्कि श्रृंखलाबद्ध रेस्तरां Torchys Tacos के साथ साझेदारी स्थापित करने में भी सफल रही। तकनीकी प्रगति और व्यवसायी विस्तार समानांतर रूप से हो रहे हैं। 4 दिसंबर को UBS वैश्विक तकनीक और AI सम्मेलन में, SoundHound के मुख्य वित्तीय अधिकारी Nitesh Sharan ने निवेशकों को कंपनी के बारे में विस्तार से जानकारी दी।

WPS Office ने हाल ही में अपना AI वॉयस ट्रांसक्रिप्शन फीचर लॉन्च किया है, जो WPS AI तकनीक से सशक्त है और WPS क्लाउड डॉक्यूमेंट्स के साथ गहराई से एकीकृत है। यह उपयोगकर्ताओं को तेज, सटीक और स्मार्ट वॉयस-टू-टेक्स्ट अनुभव प्रदान करता है। यह नई सुविधा न केवल रियल-टाइम रिकॉर्डिंग और ऑडियो को टेक्स्ट में बदलने का समर्थन करती है, बल्कि विभिन्न भाषाओं के बीच अनुवाद भी कर सकती है, यह सुनिश्चित करते हुए कि रिकॉर्डिंग फ़ाइल की पूर्णता बनी रहे। यहां तक कि यदि रिकॉर्डिंग के दौरान कोई अप्रत्याशित रुकावट आती है, तो उपयोगकर्ता रिकॉर्डिंग टास्क पर वापस आकर रिकॉर्डिंग जारी रख सकते हैं।

हाल ही में, Rivian के चीफ सॉफ्टवेयर ऑफिसर वसीम बेन्सैड ने कैलिफोर्निया के वेनिस में एक शो रूम में पुष्टि की कि Rivian R1T और R1S मॉडल 2025 में एक नया AI वॉयस असिस्टेंट लॉन्च करेंगे। यह असिस्टेंट टेक्स्ट-टू-स्पीच सूचना क्षमता का समर्थन करेगा, जिसका लक्ष्य उपयोगकर्ताओं के लिए इन-कार स्मार्ट अनुभव को बढ़ाना है। बेन्सैड ने कहा कि टीम ने दो साल पहले टेक्स्ट संदेशों के वॉयस इंटीग्रेशन फीचर पर काम करना शुरू किया था, लेकिन मौजूदा समाधान कंपनी के मानकों पर खरे नहीं उतरे। उसने यह भी संकेत दिया कि, हालांकि

ElevenLabs एक स्टार्टअप है जो AI वॉयस क्लोनिंग और टेक्स्ट-टू-स्पीच API पर केंद्रित है, जिसने हाल ही में एक नई फ़ीचर की घोषणा की है जिससे उपयोगकर्ता पूर्ण संवादात्मक AI एजेंट बना सकते हैं। अब उपयोगकर्ता ElevenLabs के डेवलपर प्लेटफ़ॉर्म पर अपने आवश्यकताओं के आधार पर संवादात्मक एजेंट के विभिन्न वेरिएबल्स को अनुकूलित कर सकते हैं, जैसे कि वॉयस टोन और प्रतिक्रिया की लंबाई। ElevenLabs पहले विभिन्न वॉयस और टेक्स्ट-टू-स्पीच सेवाएं प्रदान करता था। कंपनी के ग्रोथ हेड सैम स्क्लार ने एक साक्षात्कार में

हाल ही में, गूगल ने एक नया AI वॉयस असिस्टेंट जेमिनी लाइव लॉन्च किया है, जो उपयोगकर्ताओं को अधिक स्वाभाविक संवाद करने की अनुमति देता है और 10 भाषाओं का समर्थन करता है। शुरुआत में, जेमिनी लाइव केवल भुगतान करने वाले उपयोगकर्ताओं के लिए उपलब्ध था, लेकिन अब सभी iOS और एंड्रॉइड उपयोगकर्ता इसे मुफ्त में डाउनलोड और उपयोग कर सकते हैं। उपयोगकर्ता इस ऐप के माध्यम से अधिक सहज मानव-मशीन बातचीत का अनुभव कर सकते हैं, पारंपरिक वॉयस असिस्टेंट की सीमाओं को तोड़ते हुए। जेमिनी लाइव की विशेषता यह है कि यह कई दौर की बातचीत कर सकता है।

हाल ही में, Play AI ने अपने सबसे महत्वाकांक्षी उत्पाद – PlayDialog बीटा संस्करण को लॉन्च किया है, जो संवादात्मक पॉडकास्ट ऑडियो उत्पन्न कर सकता है। यह एंड-टू-एंड AI वॉयस मॉडल, संवाद के ऐतिहासिक संदर्भ का उपयोग करके, स्वर, भावना और गति को नियंत्रित करने में सक्षम है, जिससे अधिक प्राकृतिक वॉयस सिंथेसिस की प्राप्ति होती है, जो मानव-मशीन संवाद के एक नए स्तर का प्रतीक है। PlayDialog विशेष रूप से वास्तविक संवाद अनुभव बनाने के लिए उपयुक्त है, जैसे नैरेटर, वॉइसओवर, सिंथेसाइज्ड पॉडकास्ट आदि, और व्यावसायिक पर्यावरण में एक-एक वॉयस के लिए इमर्सिव अनुभव प्रदान कर सकता है।

शियोमी के CEO 雷军 ने हाल ही में वीडियो के माध्यम से इंटरनेट पर प्रसारित '雷军 AI' वॉयसओवर की पारODY पर पहली बार प्रतिक्रिया दी। 雷军 ने उल्लेख किया कि AI तकनीक के तेजी से विकास के साथ, उनकी आवाज़ को वॉयस पैकेज में बनाया गया और कई वीडियो में बेजा इस्तेमाल किया गया, यहां तक कि कुछ उपयोगकर्ताओं ने साझा किया कि वे राष्ट्रीय अवकाश के दौरान इस पारODY सामग्री से 'गालियाँ' खाते रहे। इस पर 雷军 ने कहा कि इससे उन्हें परेशान और असहजता हुई, और उन्होंने सभी से इस अनुचित व्यवहार को रोकने की अपील की, यह कहते हुए कि हालांकि AI तकनीक स्वामित्व और प्रायोगिक है, लेकिन ऐसे दुरुपयोग व्यवहार उचित नहीं हैं।

हाल ही में, OpenAI की व्हिस्पर तकनीक से संचालित एक AI ट्रांसक्रिप्शन टूल स्वास्थ्य उद्योग में काफी लोकप्रिय हुआ है। कई डॉक्टर और स्वास्थ्य संस्थान इस टूल का उपयोग रोगियों की मुलाकातों को दर्ज करने और संक्षेपित करने के लिए कर रहे हैं। ABC समाचार की रिपोर्ट के अनुसार, शोधकर्ताओं ने पाया कि यह टूल कुछ मामलों में 'हेनियुइशन' संकेत करता है, कभी-कभी तो यह पूरी तरह से सामग्री गढ़ देता है। यह ट्रांसक्रिप्शन टूल, जिसे नैब्ला नामक कंपनी ने विकसित किया है, ने 70 लाख से अधिक चिकित्सा संवादों का सफलतापूर्वक ट्रांसक्रिप्शन किया है, वर्तमान में 30,000 से अधिक

यह एक AI वॉयस नोट्स ऐप है जिसे मैं हाल ही में उपयोग कर रहा हूँ - NotesGPT, जिसे मैं सभी को दृढ़ता से सिफारिश करता हूँ! इसने मुझसे जानकारी रिकॉर्ड करने और संगठित करने के तरीके को पूरी तरह से बदल दिया है, जिससे मुझे बहुत सारा समय बचाने में मदद मिली है, और मेरी उत्पादकता में बहुत सुधार हुआ है। इसे एक सॉफ़्टवेयर कहने के बजाय, इसे एक उत्पादकता बढ़ाने वाला AI सहायक कहना बेहतर है। NotesGPT की मुख्य विशेषताएँ और लाभ: सटीक वॉयस ट्रांसक्रिप्शन: NotesGPT की आवाज़ पहचान क्षमता बहुत उत्कृष्ट है, ट्रांसक्रिप्शन की सटीकता बहुत उच्च है, यहां तक कि शोर वाले वातावरण में भी अच्छी पहचान बनाए रखती है।

स्वास्थ्य कृत्रिम बुद्धिमत्ता कंपनी Suki ने घोषणा की है कि उसने 70 मिलियन डॉलर का नया वित्तपोषण सफलतापूर्वक जुटाया है। यह धन उसके उत्पाद के विकास के लिए उपयोग किया जाएगा, जिसमें एक AI (कृत्रिम बुद्धिमत्ता) संचालित वॉयस सहायक शामिल है जो क्लिनिकल चिकित्सकों द्वारा उपयोग के लिए है। चित्र स्रोत नोट: चित्र AI द्वारा उत्पन्न किया गया, चित्र授权 सेवा प्रदाता Midjourney। Suki के संस्थापक और CEO Punit Soni ने एक बयान में कहा: "स्वास्थ्य उद्योग में AI की मांग लगातार बढ़ रही है, और हम मौजूदा उपकरणों के साथ निर्बाध रूप से काम करने के लिए एक संपूर्ण समाधान प्रदान करने में गर्वित हैं।"

राष्ट्रीय छुट्टी के दौरान, एक ऐसी चीज़ ऑनलाइन फैल गई जिसने लोगों को हंसाया और रूलाया -雷军 की AI वॉयस अचानक लोकप्रिय हो गई! निश्चित रूप से, इस शाओमी के संस्थापक के मन में भी यह ख्याल आया होगा: 'यह शख्स निश्चित रूप से शरारत कर रहा है!' विभिन्न उपयोगकर्ता इस AI टूल का उपयोग करके '雷军 की रिव्यू' वीडियो बनाने लगे, जो न केवल मजेदार थे, बल्कि उनमें काफी गालियाँ भी थीं, पूरा राष्ट्रीय छुट्टी ऐसा लग रहा था जैसे雷军 मुझे 'गालियाँ' दे रहा हो। हाल ही में, शॉर्ट वीडियो प्लेटफार्मों पर雷军 की आवाज़ के बैकग्राउंड वाले मजेदार वीडियो की बाढ़ आ गई, जिसने कई दर्शकों को आकर्षित किया।

आर्टिफिशियल इंटेलिजेंस के तेज़ विकास के इस युग में, वॉयस सिंथेसिस और रूपांतरण तकनीकें तेजी से प्रगति कर रही हैं, जो हमें बेहतरीन और प्राकृतिक ऑडियो अनुभव प्रदान कर रही हैं। हालांकि, इन तकनीकों की प्रगति संभावित सुरक्षा चिंताओं के साथ आती है, खासकर वॉयस क्लोनिंग तकनीक का दुरुपयोग किया जा सकता है, जिससे व्यक्तिगत गोपनीयता और सामाजिक स्थिरता को खतरा है। इस चुनौती का सामना करने के लिए, झेजियांग विश्वविद्यालय का इंटेलिजेंट सिस्टम सिक्योरिटी लैब और तिंहुआ विश्वविद्यालय ने मिलकर एक क्रांतिकारी वॉयस धोखाधड़ी पहचान ढांचा - SafeEar लॉन्च किया। यह ढांचा केवल धोखाधड़ी ऑडियो की प्रभावी पहचान ही नहीं कर सकता, बल्कि पहचान प्रक्रिया के दौरान उपयोगकर्ता की सुरक्षा भी करता है।