Все материалы по теме в хронологическом порядке.
Microsoft расширила семейство моделей MAI, представив первую потоковую модель транскрибации MAI-Transcribe-2-Streaming и две модели синтеза речи — MAI-Voice-2.1 и MAI-Voice-2.1-Flash. Они предназначены для голосовых агентов, которые слушают пользователя и отвечают почти мгновенно.
ElevenLabs выпустила Eleven v4 — модель синтеза речи, которая точнее следует указаниям и сохраняет голос на протяжении длинных записей. Версия Turbo для голосовых агентов начинает говорить за 150 миллисекунд.
МТС сообщила, что за первые полгода работы сервис «Секретарь для глухих и слабослышащих» помог провести около 500 тыс. разговоров по телефону. ИИ в реальном времени преобразует входящий звонок в текст, а письменные ответы озвучивает собеседнику.
За первые шесть месяцев работы сервис МТС «Секретарь для глухих и слабослышащих» обработал около 500 тыс. входящих звонков. Услуга работает в реальном времени: речь преобразуется в текст, а ответы пользователя озвучиваются собеседнику.
