Kategori

Röst & Tal

Text-till-tal, transkription och röstkloning.

OpenAI introducerar GPT-Live, ny röstmodell för samtal

2 min läsning

+Läs artikel

Utvalda

Att läsa just nu

Utvalda

Att läsa just nu

Uppdatering

Hugging Face och Cerebras optimerar Gemma 4 för röst-AI i realtid

Läs artikel

Uppdatering

ChatGPT får nya röstmodeller för naturligare konversationer

OpenAI har uppdaterat ChatGPT med nya röstmodeller som ska förbättra realismen och naturligheten i muntliga interaktioner.

2 min läsning+Läs artikel

Lansering

OpenAI lanserar nya röstmodeller för naturligare konversationer

9 juli 2026

Lansering

OpenAI lanserar GPT-Live för naturligare röstinteraktion

8 juli 2026

Arkiv

Tidigare publicerat

Arkiv

Tidigare publicerat

8 juli 2026
Deepgram och Together AI samarbetar om talmodeller
Deepgrams tal-till-text- och text-till-tal-modeller finns nu tillgängliga via Together AI:s plattform för realtidsanvändning.
8 juli 20262 min läsning
Läs artikel
7 juli 2026
Hugging Face lanserar utökade funktioner för ASR-prestanda
Hugging Face har uppdaterat sin Open ASR Leaderboard för att bättre mäta taligenkänningsmodellers prestanda mot privat träningsdata och förhindra otillbörlig optimering (”benchmarking”).
7 juli 20262 min läsning
Läs artikel
7 juli 2026
FormalASR konverterar talad kinesiska till formell text i realtid
Forskare har utvecklat FormalASR, en end-to-end AI-modell som omvandlar talad kinesiska direkt till formell skriven text, vilket minskar behovet av efterredigering.
7 juli 20262 min läsning
Läs artikel
7 juli 2026
DPO förbättrar igenkänning av kodväxlande tal i Audio LLM
Forskare har använt Direct Preference Optimization (DPO) för att förbättra Audio LLM:s förmåga att transkribera tal med kodväxling mellan engelska och mandarin, vilket minskar felprocenten. Detta trots att Audio LLM historiskt haft svårt med just denna typ av uppgift.
7 juli 20263 min läsning
Läs artikel
7 juli 2026
Raon-Speech: Nytt tal-AI-system för engelska och koreanska presenterat
Ett nytt tal-AI-system, Raon-Speech, har presenterats av forskare. Modellen uppges vara en av de mest presterande för engelska och koreanska vad gäller talförståelse, svar och generering. En utökad version, Raon-SpeechChat möjliggör realtidskonversationer.
7 juli 20263 min läsning
Läs artikel
7 juli 2026
Together AI lanserar snabb röst-till-text-lösning
Together AI har utvecklat en röst-till-text-stack som enligt tester utförda av Artificial Analysis uppvisar hög bearbetningshastighet. Företaget fokuserade på helhetssystemet för att uppnå resultat som ligger nära realtid.
7 juli 20262 min läsning
Läs artikel
6 juli 2026
Entreprenörer lämnar Goldman och Meta för att bygga röst-AI
Två entreprenörer har startat ett nytt företag för att utveckla röst-AI-lösningar för undanskymda marknader, med fokus på Afrika och Mellanöstern.
6 juli 20262 min läsning
Läs artikel
24 juni 2026
Loka skapar röstassistent med låg latens via Amazon Nova 2 Sonic
Loka har i samarbete med AWS utvecklat en röstassistent baserad på Amazon Nova 2 Sonic som syftar till att leverera naturligare interaktioner med kunder, vilket adresserar problem med långsamma och "robotliknande" assistenter.
24 juni 20262 min läsning
Läs artikel
24 juni 2026
Hugging Face lanserar FFASR Leaderboard för taligenkänning
Hugging Face har presenterat FFASR Leaderboard, en ny benchmark för automatisk taligenkänning (ASR). Den utvärderar modellers prestanda under verkliga förhållanden genom att analysera förhållandet mellan fel och faskapacitet istället för enbart ordnoggrannhet.
24 juni 20262 min läsning
Läs artikel
12 juni 2026
Google lanserar Gemini 1.5 Flash Live för mer naturliga röstsamtal
Google DeepMind lanserar Gemini 1.5 Flash Live, en ny röstmodell som minskar fördröjningar och gör samtal med AI mer naturliga och precisa.
12 juni 20262 min läsning
Läs artikel
13 maj 2026
OpenAI lanserar nya röstmodeller för API:et
OpenAI har introducerat nya röstmodeller i sitt API som förbättrar förmågan att resonera, översätta och transkribera tal, vilket möjliggör mer avancerade röstupplevelser.
13 maj 20262 min läsning
Läs artikel

OpenAI introducerar GPT-Live, ny röstmodell för samtal

Hugging Face och Cerebras optimerar Gemma 4 för röst-AI i realtid

ChatGPT får nya röstmodeller för naturligare konversationer

OpenAI lanserar nya röstmodeller för naturligare konversationer

OpenAI lanserar GPT-Live för naturligare röstinteraktion

Deepgram och Together AI samarbetar om talmodeller

Hugging Face lanserar utökade funktioner för ASR-prestanda

FormalASR konverterar talad kinesiska till formell text i realtid

DPO förbättrar igenkänning av kodväxlande tal i Audio LLM

Raon-Speech: Nytt tal-AI-system för engelska och koreanska presenterat

Together AI lanserar snabb röst-till-text-lösning

Entreprenörer lämnar Goldman och Meta för att bygga röst-AI

Loka skapar röstassistent med låg latens via Amazon Nova 2 Sonic

Hugging Face lanserar FFASR Leaderboard för taligenkänning

Google lanserar Gemini 1.5 Flash Live för mer naturliga röstsamtal

OpenAI lanserar nya röstmodeller för API:et