跳到正文
  1. Hugging Face Blog63

    IBM 发布 Granite Speech 5.0 新模型,并更新高速转写与说话人归属模型

    IBM 为 Granite Speech 系列新增 granite-speech-5.0-2b,并更新 granite-speech-5.0-470m-turboctc 和 granite-speech-4.1-2b-plus。

    推荐理由:三款模型分别面向高精度转写翻译、高吞吐端侧转写和多人录音,并列出对应改进指标,为不同语音任务的模型选型提供了比较依据。

  1. Mistral AI73

    Mistral 发布 Voxtral 3 语音模型家族及实时语音智能体 SDK

    Mistral 发布 Voxtral 3 语音转写与合成模型家族,并推出整合聆听、推理、工具调用和语音输出的实时语音智能体 SDK。转写支持 50+ 种语言,语音合成支持 35+ 种语言和 50+ 种方言;基于 LiveKit 的 SDK 支持通话中执行多步任务,官方称每轮响应可在 1 秒内完成。

    推荐理由:将转写、推理、工具调用与语音合成串成实时流水线,并支持替换各阶段模型,为企业语音智能体提供了可迁移的集成思路。

已经到底了