火山引擎发布豆包语音识别模型2.0：多模态视觉与多语种支持实现技术突破
火山引擎推出豆包语音识别模型2.0，实现多模态视觉识别与13种语言支持，通过PPO强化学习提升推理准确率20%，适用于跨国会议、多语言内容生产等场景，推动语音识别行业技术革新。
排序
阶跃星辰开源全球首个LLM架构音频编辑模型Step-Audio-EditX，语音编辑进入自然语言指令时代
阶跃星辰于2025年11月开源全球首个基于LLM架构的音频编辑模型Step-Audio-EditX，支持自然语言指令编辑，30亿参数实现高性能低门槛部署，在方言表现力和情感传递准确率方面领先行业，推动...
Cartesia完成1亿美元融资推出Sonic-3语音模型，SSM架构突破Transformer限制
美国AI语音技术公司Cartesia完成1亿美元融资，正式推出第三代语音模型Sonic-3。采用创新SSM架构突破Transformer限制，实现接近人类水平的英文语音合成和2秒内中文响应速度，已获S...
Deepdub推出新一代语音AI模型Lightning2.5，实时语音处理效率提升30%
Deepdub新一代语音AI模型Lightning2.5实现30%延迟降低，提升实时翻译与语音助手效率。了解AI语音技术最新进展及行业应用前景。