Block 研究实验室发布本地运行的全双工语音模型 Dessa
Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,可本地运行,并带有笑声、停顿和哭腔等表达。Dessa 是纯语音训练的全双工模型,能边说边听,可在 MacBook M4 Max 或更高配置的消费级电脑上运行,目前未公开开放,Block 正招募安全研究人员测试。Block 称现有语音模型因文本管线驱动而显得不自然,Dessa 将情绪内建于模型之中。
Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,可本地运行,并带有笑声、停顿和哭腔等表达。Dessa 是纯语音训练的全双工模型,能边说边听,可在 MacBook M4 Max 或更高配置的消费级电脑上运行,目前未公开开放,Block 正招募安全研究人员测试。Block 称现有语音模型因文本管线驱动而显得不自然,Dessa 将情绪内建于模型之中。
Jack Dorsey 的 Block 发布 AI 模型 Dessa,该模型完全基于人类对话从零训练,是真正的语音到语音模型,可在 MacBook Pro M4 Max 或更高配置上本地运行。
Amazon Polly 生成式引擎完成升级,新增 14 种语音、覆盖 9 个 locale,并首次在生成式引擎中正式提供印地语和芬兰语。升级后共 57 种生成式语音、覆盖 11 种语言和 25 个 locale,并扩展至 AWS GovCloud(US-West),合计 11 个 AWS Region。此次为原地升级,语音名称和 API 调用不变,现有应用无需改代码,价格也不上涨。
IBM 更新 Granite Speech 系列,新增 granite-speech-5.0-2b,并修订 granite-speech-5.0-470m-turboctc 与 granite-speech-4.1-2b-plus。
Mistral 发布 Voxtral 3 语音模型家族,包含转录模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3 与实时版,以及 TTS 模型 Voxtral Mini TTS 3,并推出基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说话串成一条实时流式管线。
推荐理由:原文给出语音智能体 SDK 与转录、TTS 模型的完整规格和定价,可据此比较实时语音方案的成本与部署方式。