Tag
Všetky publikované články, v ktorých sa téma speech-to-text objavuje ako dôležitý kontext. Aktuálne 4 textov v archíve.
OpenAI rozširuje Realtime API o trojicu hlasových modelov, ktoré majú posunúť hlasové rozhrania od jednoduchého dialógu k praktickému vykonávaniu úloh, priebežnému prekladu a živému prepisu reči.
Hugging Face mení pravidlá svojho Open ASR Leaderboardu. Nové kvalitné, ale neverejné testovacie datasety majú obmedziť takzvané benchmaxxing a lepšie odlíšiť modely, ktoré zvládajú reálnu konverzačnú reč, prízvuky a menej sterilné podmienky.
Voxtral Realtime a Voxtral Transcribe 2 posúvajú Mistral hlbšie do speech infra vrstvy a naznačujú, že open-weight audio modely už môžu byť reálnou alternatívou pre voice agentov, titulkovanie aj privátne deploymenty.
Cohere uviedlo Transcribe ako open-source ASR model pre presnejšie prepisy zvuku. Nie je to len ďalší hlasový model: firma tým naznačuje, že speech intelligence sa stáva samostatnou vrstvou enterprise AI, naviazanou na analytiku, vyhľadávanie a automatizáciu.