搜索
本期《智者访谈》邀请到著名开源语音识别项目 Kaldi 的创始人、小米集团语音首席科学家 Daniel Povey 博士。作为推动全球智能语音处理产业化的关键人物，他见证了语音识别技术从实验室走向大规模应用的全过程。十多年前，他在微软研究院的实习生，如今已成为 Google Gemini 等标志性项目的负责人。
Accel的合伙人Ben Quazzo将在融资后加入Speak董事会，他认为Speak已经成为消费级AI中的佼佼者，不仅增长迅猛，还展现出了巨大的市场潜力，重新定义了语言学习体验。
Hume AI近日推出了一款名为OCTAVE的全新文本与语音引擎，该引擎能够仅凭简单的文本描述或一段5秒的语音录音，即可生成或克隆出逼真的语音和人格特质，为虚拟角色和人机交互带来了无限可能。
“它前进着，又跨过了新的一级台阶，耳边仿佛传来由远及近的低语：前方，即是世界。”
OpenAI的实时API支持低延迟、双向音频流，使得多模态AI应用（如语音对话Agent）得以实现。它通过WebSocket连接管理对话状态，并提供短语结束检测和语音活动检测（VAD）功能，大大简化了实时语音应用的开发。
WebRTC 的早期创建者之一，Fixie.ai 联合创始人兼 CTO Justin Uberti 近日宣布加入 OpenAI，领导实时 AI （Real-Time AI）项目的开发。
实现智能、类似人类的端到端语音聊天。
Tenyx利用AI和ML，打破传统IVR系统的局限，为多元化行业提供精准、自然的语音交互解决方案，引领客户服务领域的技术革命。
人工智能语音初创公司PlayAI宣布在种子轮融资中筹集了2100万美元。该公司表示，将利用这笔资金投资于其生成式人工智能（GenAI）语音模型和语音代理平台。
「未来，消费者更可能倾向于与 AI 沟通，而非人工客服，因为这将成为解决问题的最高效途径。」