科大讯飞上线语音基座大模型Spark-Audio-1.0-Preview,基于全国产化算力训练。传统音频处理多采用级联方案,先转文字再理解,存在信息丢失(忽略语气、情绪、背景环境音)和链路割裂(语音转写、声纹识别等环节分离)两大短板,影响场景判断完整性。
影石GO Ultra拇指相机上线AI语音助手,中国大陆用阿里千问,港澳台及海外用谷歌Gemini。以自研为核心,融合多模态与拍照问答;端侧声纹识别意图,云端负责问答、模式切换和翻译,翻译可扬声器播放。创始人刘靖康称将重新定义拇指相机。
企业微信推出“记录面聊”新功能,正在灰度测试。该功能用于会议和头脑风暴,用户点击右上角「+」选择「记录面聊」,系统通过声纹识别自动辨识发言人并实时记录发言。会议结束后,AI自动总结讨论要点,生成待办事项,提升记录效率。
YouTube向娱乐业开放人脸声纹检测技术,旨在打击AI深度伪造内容,保护公众人物权益。此举通过类似内容ID的机制实现精准身份防伪,重塑数字版权保护边界。
基于ESP32的AI聊天机器人项目,可实现多语言对话与声纹识别
智能语音旗舰应用,无障碍语言记录与交流。
提供语音识别、语音合成等语音AI能力