WhisperSpeech : Synthèse vocale naturelle grâce à la rétro-ingénierie du modèle de reconnaissance vocale Whisper d'OpenAI

Le OnePlus 13 lance le nouveau ColorOS 15.0.0.701 avec une fonctionnalité de reconnaissance vocale AIGC en première mondiale

Le Los Angeles Times utilise l'IA pour analyser le ton des articles, suscitant une crise de confiance dans les médias

FireRedASR : le modèle de reconnaissance vocale open source de Xiaohongshu, offrant une excellente précision pour le chinois

Dans le domaine de la reconnaissance vocale, le développement de la technologie de reconnaissance du chinois a toujours suscité un vif intérêt. Récemment, l'équipe FireRed de Xiaohongshu a publié un nouveau modèle de reconnaissance vocale open source : FireRedASR. Ce système de reconnaissance vocale basé sur un grand modèle a obtenu d'excellents résultats sur plusieurs ensembles de tests standard, marquant une avancée majeure dans la technologie de reconnaissance vocale chinoise. L'indicateur principal de FireRedASR est le taux d'erreur de caractères (CER), un indicateur qui, plus il est bas, indique une meilleure performance du modèle. Lors de récents tests publics, Fi

ElevenLabs lance une nouvelle plateforme d'IA conversationnelle pour accélérer la création d'agents vocaux intelligents

Récemment, ElevenLabs, une société leader dans le domaine de l'intelligence artificielle, a annoncé le lancement de sa nouvelle plateforme d'IA conversationnelle permettant aux développeurs de créer des agents vocaux intelligents efficaces et fluides en quelques minutes. Cette plateforme se caractérise par une faible latence, une grande configurabilité, une forte évolutivité et offre aux utilisateurs une flexibilité et un support de développement diversifiés. L'un des principaux atouts de la plateforme d'IA conversationnelle d'ElevenLabs est son support tout-en-un, incluant la reconnaissance vocale (Speech to Text) et les grands modèles linguistiques (LLM).

SoundHound, géant de la reconnaissance vocale IA, enregistre des résultats exceptionnels : un chiffre d'affaires record de 25 millions de dollars

SoundHound AI, entreprise spécialisée dans la technologie vocale IA, annonce une excellente nouvelle : sa solution vocale est désormais déployée chez 7 des 20 plus grandes chaînes de restauration rapide américaines. Le dernier rapport financier de la société révèle un chiffre d'affaires de 25 millions de dollars au troisième trimestre, soit une augmentation de 89 % par rapport à l'année précédente, un nouveau record trimestriel. Selon Keyvan Mohajer, PDG et cofondateur de SoundHound AI, la technologie vocale IA de la société est largement utilisée dans divers contextes, notamment les commandes au volant, les commandes téléphoniques, les bornes libre-service et les applications mobiles.

Moonshine : un nouveau modèle de reconnaissance vocale open source cinq fois plus rapide que Whisper d'OpenAI

La startup américaine Useful Sensors a lancé Moonshine, un modèle de reconnaissance vocale open source. Conçu pour traiter les données audio de manière plus efficace, Moonshine est plus économique en ressources de calcul que Whisper d'OpenAI et cinq fois plus rapide. Ce nouveau modèle, à l'architecture flexible, est spécialement conçu pour les applications en temps réel sur des matériels aux ressources limitées. Contrairement à Whisper qui traite les fichiers audio par segments fixes de 30 secondes...

Gladia, une API de reconnaissance vocale, lève 16 millions de dollars lors d'un tour de financement de série A pour défier Amazon, Microsoft et Google

La startup française Gladia, qui propose une interface de programmation d'application (API) de reconnaissance vocale, a levé 16 millions de dollars lors d'un tour de financement de série A. L'API de Gladia convertit essentiellement n'importe quel fichier audio en texte avec une grande précision et une faible latence. Bien qu'Amazon, Microsoft et Google proposent des API de transcription vocale dans le cadre de leurs suites de produits hébergés dans le cloud, leurs performances sont inférieures à celles des nouveaux modèles proposés par certaines startups spécialisées. Notamment depuis la sortie du modèle Whisper d'OpenAI, ce secteur a connu une forte innovation.

Technologie révolutionnaire de reconnaissance vocale : FunASR lance un outil puissant de transcription hors ligne multilingue

FunASR a récemment lancé un puissant kit logiciel de transcription de fichiers hors ligne multilingues, offrant aux utilisateurs une solution efficace et précise de conversion de la parole en texte. L'avantage principal de ce kit logiciel réside dans sa capacité de transcription hors ligne. Il peut facilement traiter des fichiers audio ou vidéo de plusieurs heures et générer une transcription textuelle avec ponctuation. Cette fonctionnalité est un atout majeur pour les professionnels devant traiter de grandes quantités de données audio. La prise en charge multilingue de FunASR est également impressionnante. Actuellement, le kit logiciel prend en charge le chinois et l'anglais.

Amélioration des modèles de langage et de vision ByteDance Doubao : performance globale améliorée de 20,3%

Lors de la tournée d'innovation IA de Volcano Engine à Shanghai le 21 août 2024, Volcano Engine a présenté la mise à niveau complète du modèle Doubao, notamment une capacité de correspondance texte-image plus précise pour le modèle Doubao · génération d'images à partir de texte, une réduction maximale de 40 % du taux d'erreur du modèle Doubao · reconnaissance vocale sur plusieurs ensembles de tests publics, ainsi qu'une capacité de synthèse vocale en streaming améliorée pour le modèle Doubao · synthèse vocale, permettant une réponse en temps réel et une ponctuation précise. Volcano Engine a également lancé une solution d'interaction en temps réel pour l'IA conversationnelle, intégrant le modèle Doubao et la technologie audiovisuelle en temps réel pour fournir une solution de bout en bout.

Seed-ASR, le modèle de reconnaissance vocale automatique de ByteDance, comprend tous les accents et dialectes !

Le moteur Seed-ASR de ByteDance, entraîné sur un volume massif de données, permet une reconnaissance précise du mandarin, de 13 dialectes chinois et de 7 langues étrangères, améliorant ainsi considérablement la facilité des échanges interlinguistiques. Son principal atout réside dans sa remarquable capacité de compréhension contextuelle, lui permettant d'identifier avec précision les noms de personnes, les noms de lieux et les mots clés en tenant compte des informations historiques. Il excelle particulièrement dans des scénarios spécifiques, améliorant ainsi la précision de la reconnaissance. Que ce soit lors de conversations quotidiennes, de réunions complexes, de conversations à plusieurs ou en environnement bruité, Seed-ASR assure une transcription précise. Il est également capable de reconnaître divers termes professionnels.