Deepgram
PulseAugur coverage of Deepgram — every cluster mentioning Deepgram across labs, papers, and developer communities, ranked by signal.
- 2026-10-31 partnership Deepgram acquired Daily, the maker of Pipecat, to enhance its voice AI infrastructure. 来源
- 2026-10-29 partnership Deepgram acquired Daily, the maker of Pipecat, to expand its voice AI infrastructure. 来源
- 2026-10-29 partnership Deepgram acquired Daily, the creator of the open-source voice AI infrastructure Pipecat. 来源
- 2026-10-29 partnership Deepgram acquired Daily, the maker of the Pipecat open-source voice AI infrastructure, to enhance its real-time communication capabilities. 来源
- 2026-10-29 partnership Deepgram acquired Daily, the maker of the Pipecat open-source voice AI infrastructure, to enhance its voice AI capabilities. 来源
- 2026-10-19 research_milestone Deepgram optimized its Nova-3 voice AI model for AWS Trainium2, achieving significant cost and performance improvements. 来源
- 2026-08-27 product_launch Deepgram launched enhanced AI observability features for its speech models on Amazon SageMaker. 来源
7 天有情绪数据
-
Helve 推出按调用付费的代理工具,挑战 Firecrawl 的订阅模式
Helve 推出了其代理工具聚合服务的最新版本,将其定位为 Firecrawl 的 MCP v3 (Alexandria) 的更灵活、更具成本效益的替代方案。Helve 提供按调用付费模式,无月度订阅、不过期积分以及确定的每密钥支出限制,这与 Firecrawl 的月度套餐限制和过期积分形成对比。此外,Helve 对失败的上游 API 调用不收费,而 Firecrawl 则会收取此类尝试的费用。Helve 还拥有来自 255 家提供商…
-
Black Forest Labs 发布 Flux 3 图像和视频模型
Black Forest Labs (BFL) 是一家由前 Stability AI 研究员创立的公司,已发布其新的图像和视频生成模型 Flux 3。该模型在静止图像、视频和音频的组合上进行训练,以发展更全面的视觉智能。这种方法旨在提高时间一致性和物体理解能力,例如通过运动中的马匹和围绕人物平移的示例来展示。BFL 的工作受到了 Stable Diffusion 等模型潜力的启发,并专注于高效训练和实际应用,包括修复旧家庭照片。
-
Black Forest Labs 发布 FLUX 3,在图像、视频和声音上进行训练
Black Forest Labs (BFL) 发布了 FLUX 3,这是一款在图像、视频和声音上进行训练的新生成模型。该模型的联合发明人 Andreas Blattmann 和 Dustin Podell 解释说,整合这些多种数据类型可以使模型更深入地了解对象属性和时间一致性,这对于视频超分辨率等任务至关重要。BFL 的方法侧重于实际应用,例如修复旧家庭照片,并探讨了训练计算成本与模型性能之间的权衡,尤其与自回归模型相比。
-
新的“无AI垃圾”宣言在AI会议讨论中出现 · 跟踪2个来源
一份新的“无AI垃圾”宣言在AIE CODE会议的讨论中出现,旨在为工作场所关于AI的讨论提供一个有用的工具。该宣言在Hacker News上获得了关注,并已在线发布,开放贡献和联合签名,许多会议发言人参与其中。该倡议得到了Deepgram和Backblaze B2等赞助商的支持,凸显了AI基础设施和存储解决方案的进步。
-
新的ASR分类法揭示了词错误率之外的失败模式
一种新的自动语音识别(ASR)系统评估分类法侧重于听写用例,超越了传统的词错误率(WER)指标。该分类法将错误分为识别、输出格式、语言处理和音频丢失。研究发现,具有相似WER的系统在失败模式上可能存在巨大差异,尤其是在低语语音或多语言音频等挑战性条件下。例如,Zoom Scribe和OpenAI的GPT-Live-Transcribe在清晰英语上的WER相当,但在低语音频上的性能差异显著,Zoom Scribe丢失了相当大比例的词。
-
AWS SageMaker 为实时 AI 流媒体推出按用量付费定价
AWS 已为 Amazon SageMaker 上的双向流式传输推理推出了按用量付费定价,解决了模型提供商如何为实时语音 AI 服务计费的难题。此前,AWS Marketplace 上的提供商在直播期间难以按消耗量收费,因为总用量要到会话结束时才知道。这项新功能允许提供商通过专用的元数据连接报告实际用量,使收费与消耗量相匹配,而不仅仅是端点可用性。Deepgram 是此次推出的合作伙伴,它能够在 AWS Marketplace 上为其…
-
Deepgram 收购 Pipecat 开发者 Daily 以增强语音 AI
Deepgram 已收购实时通信平台 Pipecat 的开发公司 Daily。此次收购旨在加强 Deepgram 的语音 AI 基础设施,从而更深入地理解实时语音和视频数据。
-
Deepgram 收购 Pipecat 开发者 Daily 以增强语音 AI
Deepgram 已收购 Daily,即 Pipecat 视频会议平台的开发者。此次收购旨在增强 Deepgram 的语音 AI 基础设施能力。Pipecat 将继续作为一个开源项目运营。
-
Deepgram 收购 Pipecat 开发者 Daily 以加强开源语音 AI
Deepgram 已收购了开源语音 AI 基础设施 Pipecat 的开发者 Daily。尽管未披露财务细节,但两家公司均已确认 Pipecat 将继续保持开源。此次收购汇集了两家同为 2016 年 Y Combinator 参训公司的企业,Deepgram 还推出了一项名为 Real-Time Context Standard 的新开放协议,该协议是与 Pipecat 共同开发的。
-
Deepgram 收购 Pipecat 的开发者 Daily,以增强语音 AI 基础设施
Deepgram 收购了 Pipecat(一个开源语音 AI 基础设施框架)的开发者 Daily。此次收购旨在加强 Deepgram 的实时语音和视频通信能力,并将其业务范围扩展到语音应用之外。两家公司都曾是同一期 Y Combinator 的学员,并强调了他们将 Pipecat 保持开源以及促进语音代理开放生态系统的承诺。Deepgram 还将推出与 Daily 共同开发的实时上下文标准(RCS)协议,以增强语音代理的表达能力。
-
亚马逊通过 100 多项新的人工智能驱动购物功能增强 Alexa · 跟踪 3 个来源
亚马逊已通过 100 多项新的购物相关功能增强了 Alexa,使用户能够管理列表、订阅和配送说明。人工智能助手现在可以帮助创建、编辑和查看购物列表,以及修改订阅频率和配送详细信息。此外,用户还可以通过 Alexa 查询 Prime 和 Audible 订阅以及解决账单问题。这些更新遵循了亚马逊将人工智能融入其购物体验的更广泛战略,今年代理功能的使用量增加了八倍。
-
Deepgram 使用 AWS Trainium2 优化语音 AI 以实现规模化推理 · 跟踪 3 个来源
Deepgram 已通过将其移植到 AWS Trainium2,为其 Nova-3 语音转文本模型进行了大规模离线批量推理优化。这项与 AWS Forward Deployed Engineering 团队合作的努力,利用了 AWS Neuron 堆栈。此次优化旨在提高语音 AI 处理的规模化效率。
-
亚马逊推出新TorchNeuron工具,挑战Nvidia在PyTorch AI应用领域的地位
Amazon Web Services(AWS)推出了新的开发工具TorchNeuron,旨在帮助AI初创公司更轻松地在亚马逊的Trainium AI芯片上运行其应用程序。此举通过针对Nvidia的CUDA平台软件优势,直接挑战了Nvidia在AI硬件市场的统治地位。TorchNeuron与广泛使用的开源框架PyTorch集成,允许开发人员只需少量代码更改即可将AI模型移植到Trainium。亚马逊旨在将其云基础设施定位为更具成本效益…
-
Deepgram 在 AWS Trainium 芯片上优化 Nova-3 语音 AI
Deepgram 已通过将其 Nova-3 语音转文本模型移植到 AWS Trainium2 芯片,针对大规模离线批量推理进行了优化。与 AWS Forward Deployed Engineering 团队的合作涉及使用 AWS Neuron 软件堆栈和 PyTorch 重建。与之前的计算选项相比,优化后的配置使每美元处理的音频量增加了 11-70%,使 Deepgram 能够更有效地扩展并为客户提供更低的价格。
-
AI开发者在Mastodon上分享开源项目和见解
几位开发者正在Mastodon上分享与AI相关的见解和项目。一位用户正在参与Hacktoberfest开源AI挑战,项目名为“Touch Grass”。另一位开发者维护着“safari-mcp”,这是一个允许AI代理控制Mac上真实Safari浏览器的开源项目。此外,还进行了一项基准测试,以评估大型语言模型理解泰卢固语和泰卢固语-英语的能力,一位开发者分享了他们构建会议伴侣应用程序(可转录通话)的经验,过程中遇到了几个bug。最后,一…
-
语音 AI 代理成本:托管与自托管平台分析
与使用 Vapi 或 Retell 等托管平台相比,开发自定义语音 AI 代理可能更具成本效益,尤其是在通话量较高的情况下。语音 AI 通话涉及五个不同的服务:电话、语音转文本、大型语言模型、文本转语音和编排。虽然托管平台对编排服务收费约为每分钟五美分,但在 LiveKit 等平台上自托管可以将此成本降至每分钟一美分。然而,这种成本差异必须与构建和维护自定义解决方案所需的工程投入和潜在的初始成本进行权衡。对于较低的通话量,托管平台提供…
-
AssemblyAI通过新的医疗模式增强临床语音转录
AssemblyAI为其Universal-3.5 Pro模型引入了新的医疗模式,通过将漏报的医疗实体减少约20%,从而提高了临床语音转录的准确性。该模式适用于预录制和流式音频,每小时额外收费0.15美元。该公司还澄清了其Dictation API和Sync API在短片段语音转录任务上的区别,Dictation API同时提供逐字记录和经过清理、可控的版本,以提高可用性。
-
Nari Labs 以 Qwen3 模型引领语音 AI 基准测试
Nari Labs 在 Coval 语音 AI 基准测试中,其 Qwen3-TTS 和 Qwen3-ASR 模型均取得了最高排名。该公司模型在文本转语音的时间到首个音频(TTFA)和词错误率(WER)等指标上表现出色,在语音转文本方面则在时间到最终片段(TTFS)和词错误率(WER)方面表现突出。与 AssemblyAI 和 ElevenLabs 等竞争对手相比,Nari Labs 还强调了其产品的成本效益。
-
语音AI延迟从4.2秒大幅缩减至780毫秒,通过流式传输和缓存
一位开发者通过优化系统的各个组件,将语音AI延迟从4秒多显著降低到1秒以内。主要改进包括:将LLM响应的第一句话直接流式传输到文本转语音(TTS)引擎,为一致的系统提示实施提示缓存,以及通过自适应端点检测优化轮次检测。这些在Preterview平台上实现的更改,通过最小化可感知的延迟,极大地改善了用户体验。
-
AssemblyAI 推出 Voice Agent API,提供灵活的集成选项
AssemblyAI 推出了其 Voice Agent API,为语音 AI 堆栈提供了两条集成路径。第一条路径 Voice Agent API 是一个完全托管的服务,负责语音转文本、LLM 路由和文本转语音。第二条路径 Universal-3.5 Pro Realtime 允许开发人员将 AssemblyAI 的 STT 模型集成到他们现有的基础设施中,保留他们当前的 LLM、TTS 和编排逻辑。这种方法旨在提高姓名和数字等关键数据…