​阶跃星辰近日宣布推出Step系列模型矩阵的新成员——Step-1o端到端语音大模型，据称这是国内首个千亿参数端到端语音大模型。这一新模型的发布标志着语音技术领域的一大进步，它通过端到端的语音方案，能够实现语音理解和生成的一体化，从而提升模型智商和情商的上限，并实现超自然、高质量的交流体验。

在人工智能技术快速发展的今天，SoundHound AI再次展现其市场潜力。这家专注于对话式AI的科技公司近期接连传来利好消息，不仅在投资者大会上展示了尖端技术，还成功与连锁餐厅Torchys Tacos建立合作。技术突破与商业扩张并行。在12月4日的UBS全球科技和AI大会上，SoundHound的首席财务官Nitesh Sharan向投资者详细介绍了公司的对话式AI软件。紧接着，公司宣布Torchys Tacos在130家门店全面部署其AI订单和客户服务技术，实现100%来电处理能力。虽然这笔合作在整个行业规模中可能不算惊天动地，但资

AI语音技术公司SoundHound AI传来重磅消息:其语音解决方案已成功部署在美国前20大快餐连锁中的7家。公司最新财报显示，第三季度营收达2500万美元，同比增长89%，创下季度新高。据SoundHound AI首席执行官兼联合创始人Keyvan Mohajer介绍，该公司的AI语音技术已在多个场景广泛应用，包括得来速点餐、电话订餐、自助服务亭、移动应用程序以及员工支持系统。值得注意的是，仅在餐饮行业的电话订餐服务中，其AI系统已独立处理超过1亿次客户互动。图源备注：图片由AI生成，图片授权服务商Midjourn

智谱AI宣布，其端到端情感语音技术已正式登陆智谱清言平台，并向所有用户开放。这项技术突破了传统文本转语音（TTS）技术的局限，能够深入理解上下文语境，并生成富有情感的自然对话。这标志着智谱AI的语音合成技术已经从简单的文字朗读进化到能够表达真实情感的人工智能。

阿里巴巴最新推出的CosyVoice语音合成模型和SenseVoice语音识别模型，共同构成了FunAudioLLM框架，旨在提升人机交互体验。CosyVoice以其逼真的声音生成能力，能模仿不同性别、年龄和个性的声音，添加情感和风格，甚至模拟自然特征如笑声、咳嗽和呼吸。SenseVoice则专注于高精度的多语言语音识别、情感识别和音频事件检测，支持超过50种语言，反应速度快。FunAudioLLM的语音到语音翻译功能实现了快速而准确的跨语言交流，同时，它在情感交互方面的表现也极为出色，能根据用户情绪做出恰当的回应。对于文学爱好者，FunAudioLLM的有声书制作技术能提供富有表现力的朗读体验。这些技术突破预示着人机交互的未来将更加自然、人性化，为教育、娱乐、客户服务等领域带来革命性变化。

科大讯飞将于今年6月27日发布讯飞星火V4.0，这款新版本将展示最新的端到端智能语音技术成果，并且科大讯飞还计划在未来三季度推出其端到端的语音技术建模方案。此外，科大讯飞还将为用户提供GPT-4o所不具备的一句话复刻