PulseAugur
中
实时 07:37:43
实体 Big Bench Audio

Big Bench Audio

PulseAugur coverage of Big Bench Audio — every cluster mentioning Big Bench Audio across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
5
90 天内 9
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
关系
情绪 · 30 天

2 天有情绪数据

最近 · 第 1/1 页 · 共 9 条
  1. SIGNIFICANT · CL_353083 ·

    开源 Sophon-Realtime v1 语音模型系列发布

    Adventists AI 发布了 Sophon-Realtime v1,这是一个开源的全双工语音模型系列。该模型系列在理解语气、犹豫和笑声等对话细微差别方面表现出色,并能以类似的副语言线索进行回应。它在 VoiceBench 和 Big Bench Audio 等基准测试中取得了强劲的性能,在副语言理解方面优于其他开源全双工模型。该模型专为高效部署而设计,拥有针对语音质量、用户容量或速度进行优化的不同版本,并根据 Apache-2.…

  2. RESEARCH · CL_336220 ·

    开源 Apriel Voice 27B 模型集成了语音、推理和工具使用

    研究人员推出了 Apriel Voice 27B 预览版,这是一个开源的语音语言模型,旨在统一的框架内处理语音识别、推理和工具使用。该模型基于 Gemma 4 26B-A4B 检查点构建,采用了新颖的两阶段训练过程,包括在线蒸馏以有效适应语音输入。Apriel Voice 在 Big Bench Audio 和 Speech-BFCL 等各种音频基准测试中表现强劲,同时在 τ-Voice 上也实现了显著的任务成功率,且延迟相对较低。

  3. TOOL · CL_311577 ·

    ElevenLabs 推出新的语音代理模型;Python 机器人解析旅行请求

    ElevenLabs 发布了两个新的语音到语音模型 Mini 和 Max,专为语音代理设计。Max 模型在 Big Bench Audio 基准测试中取得了 98.8% 的准确率和 0.57 秒的响应时间,表现令人印象深刻。另外,一个基于 Python 的 Telegram 机器人被开发出来,通过解析自然语言请求并与旅行社 API 交互来查找旅行团,还具备价格跟踪功能。

  4. SIGNIFICANT · CL_311571 ·

    ElevenLabs 发布新的实时语音转语音 AI 模型

    ElevenLabs 推出了两款新的语音转语音模型 Eleven Realtime,该模型针对实时 AI 对话进行了优化。v1 Max 变体在 Big Bench Audio 基准测试中取得了 98.8% 的高分,响应时间仅为 0.57 秒。该公司声称,该模型在速度和准确性方面均超越了 Artificial Analysis 排行榜上现有的模型。

  5. FRONTIER RELEASE · CL_299649 ·

    SpaceXAI的Grok Voice 3.0在语音转语音AI基准测试中声称位居榜首

    SpaceXAI发布了Grok Voice 3.0,这是一款新推出的语音转语音模型,在Artificial Analysis Speech-to-Speech Index(语音转语音分析指数)上取得了最高排名。该模型在实时语音交互、工具调用和语音能力方面表现出色,在多项基准测试中超越了GPT-Live-1和Gemini 3.8 Live等竞争对手。虽然Grok Voice 3.0的价格和API端点与其前身Grok Voice 2.0保…

  6. FRONTIER RELEASE · CL_256594 ·

    Google推出Gemini 3.8 Live音频模型,实现流畅的AI对话

    Google推出了两款新的音频模型Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking,旨在增强对话式AI代理。这些模型支持实时交互,使代理能够在继续流式传输音频响应的同时执行API调用和工具执行等任务。Extended Thinking变体特别支持可配置的“思考”过程,允许用户打开或关闭AI的内部推理,并且可以在不中断用户对话的情况下在后台执行任务。这一进步旨在降低交互延迟,提高语音代理…

  7. FRONTIER RELEASE · CL_255943 ·

    Google发布Gemini 3.8 Live和Extended Thinking音频模型

    Google发布了Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking,这两款新的先进音频模型旨在增强语音代理功能并创造更自然的AI对话。Gemini 3.8 Live专注于规模、速度和成本效益,能够处理句子中途打断和多语言转换,而Gemini 3.8 Live Extended Thinking通过并行推理和语音处理,为复杂的、多步骤任务提供更深层次的智能。这些模型正通过API向消费者、…

  8. TOOL · CL_108994 ·

    Loka 使用 Amazon Nova 2 Sonic 构建低延迟语音助手

    Loka 使用 AWS 的语音到语音模型 Amazon Nova 2 Sonic 开发了一个对话式 AI 语音助手。这种新方法对音频进行端到端处理,捕捉了传统基于文本的流程中丢失的细微差别,并显著降低了延迟。该系统在大语言模型音频基准测试(Big Bench Audio)上取得了高分,优于 Gemini 2.5 Flash Native Audio 和 GPT Realtime 等竞争对手,同时还提供了大规模部署的成本效益。

  9. FRONTIER RELEASE · CL_14918 ·

    OpenAI 发布 GPT-5 级语音模型,支持实时推理、翻译和转录

    OpenAI 发布了三款新的实时语音模型:GPT-Realtime-2、GPT-Realtime-Translate 和 GPT-Realtime-Whisper。这些模型提供了增强的推理能力、对 70 多种语言的实时语音翻译以及低延迟转录。特别是 GPT-Realtime-2,被描述为具有“GPT-5 级推理”能力,并拥有显著扩展的 128K 令牌上下文窗口,同时改进了对中断和工具使用的处理。