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。
技术方向
语音与音频 最新动态
AI 语音与音频：语音合成、实时语音对话、音乐生成与音频理解的模型与产品。
2 条精选近 30 天 2 条共收录 14 条
更新
语音与音频的精选
Hugging Face Blog精选AI 评分6363
Mistral AI精选AI 评分7373 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。