ChatGPT语音听写升级:移除时长限制并支持实时转写
OpenAI升级ChatGPT语音听写,移除时长限制并支持实时转写。该功能已向全球所有用户开放,涵盖免费账户。新版解决了旧版录音截断痛点,允许连续口述,转录文本默认可能用于模型训练。
共 8 篇相关文章
OpenAI升级ChatGPT语音听写,移除时长限制并支持实时转写。该功能已向全球所有用户开放,涵盖免费账户。新版解决了旧版录音截断痛点,允许连续口述,转录文本默认可能用于模型训练。
Helix获Siri联创投资,推语音身份验证。该方案融资600万美元,可在设备端本地运行,通过四秒声音采样判断用户是否为真实人类及估算年龄,无需上传云端,兼顾隐私与效率。
Granola上线语音听写功能,直接对标Wispr Flow。该功能支持Mac端跨应用输入,即将扩展至iOS和Windows。随着估值分别达15亿和20亿美元,两家头部厂商正推动语音AI从垂直工具向多功能平台转型。
NVIDIA开源多任务语音模型Nemotron 3.5 Transcribe。该模型支持40种语言翻译及8人说话人分离,在多项基准测试中位列开源第一。配合Granary v2数据集与微调工具,可显著降低专业领域词错误率。
IBM更新Granite Speech语音模型系列,发布2B新模型及两个修订版。新模型支持六语转录与双向翻译,抗噪能力增强,可偏置2000个关键词,覆盖高精度、边缘设备及多说话人场景。
IBM发布Granite Switch 4.1,集成语音与决策适配器。该模型嵌入OpenASR最快语音识别技术,显存占用与基础模型相当,在5步RAG工作流中速度显著快于竞品。
Whistle发布16.9MB轻量语音模型,纯CPU本地运行。该模型专为边缘设备设计,无需额外依赖库,支持七种语言转录及词级时间戳,单次处理30秒音频,所有数据均在本地处理不上传云端。
阿布扎比TII发布16亿参数语音模型Falcon-ASR。该模型重点优化阿联酋方言识别,在内部测试中词错误率低至20.92%,支持多语言及词级时间戳功能,用户可在Hugging Face试用。