tag: Speech-to-Speech

ชาว Reddit แห่แชร์คลิปโมเดลเสียง Dessa ที่คุยโต้ตอบได้สมจริงเหมือนมนุษย์มาก จนหลายคนเริ่มกังวลว่าความสามารถระดับนี้จะกลายเป็นเครื่องมือชั้นดีของพวกมิจฉาชีพในอนาคต

ElevenLabs เปิดตัวโมเดล speech-to-speech ใหม่ Eleven Realtime โดยรุ่น v1 Max ทำคะแนนความแม่นยำสูงถึง 98.8% พร้อมความหน่วงต่ำเพียง 0.57 วินาที ซึ่งนับว่าเร็วและแม่นยำที่สุดในตารางทดสอบปัจจุบัน

Kyutai เปิดตัว Voice of Reason โมเดล Speech-to-Speech แบบ Open-weight จำนวน 2 โมเดลที่พัฒนาต่อยอดจาก GLM-4-Voice-9B โดยใช้เทคนิค SFT และ Reinforcement Learning ช่วยเพิ่มความแม่นยำในการแก้โจทย์คณิตศาสตร์ผ่านเสียงจาก 27.3% พุ่งสูงถึง 77.1% โดยไม่ต้องแปลงเป็นข้อความ

NVIDIA เปิดตัวโมเดล NemotronLabs VoiceChat 11B แบบ full-duplex โอเพนซอร์ส ที่สามารถโต้ตอบเสียงได้ทันทีด้วยความหน่วงต่ำเพียง 448 ms และรองรับการเรียกใช้ tool แบบสดขณะสนทนา

Real World VoiceEQ เป็นเครื่องมือวัดผล Voice AI ที่เน้นการโต้ตอบในชีวิตจริงผ่าน 40 โมเดลชั้นนำและข้อมูลจากมนุษย์กว่า 1 ล้านรายการ เพื่อแก้ปัญหาความไม่เป็นธรรมชาติของ AI ที่เกณฑ์วัดเดิมมองข้าม