跳到正文

语音与音频

AI 语音与音频的进展：语音合成、实时对话、音乐生成与音频理解的模型与产品。

22条精选相关主题多模态AI 视频产品更新

最新精选

第 21–22 条 · 共 22 条
7月17日周四
  1. Mistral AI62

    Mistral 为 Le Chat 推出 Deep Research、语音模式等多项新功能

    Mistral 为 Le Chat 上线一批新功能，包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言推理、用于整理对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。

    推荐理由：Mistral 一次性为 Le Chat 补齐深度研究、语音、推理与图像编辑，读者可据此判断其产品线布局。

7月15日周二
  1. Mistral AI80

    Mistral 发布 Voxtral 语音理解模型，24B 与 3B 双版本开源

    Mistral 发布 Voxtral 语音理解模型，提供 24B 生产级和 3B 本地/边缘两个版本，均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文，可处理最长 30 分钟音频转写或 40 分钟音频理解，并内置问答、摘要、多语言识别和语音触发函数调用。

    推荐理由：Mistral 开源语音理解模型，给出两种尺寸、32k 上下文与 API 定价，可据此判断语音转写与理解的成本与部署选择。