τ-Voice
PulseAugur coverage of τ-Voice — every cluster mentioning τ-Voice across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
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。
-
xAI 发布 Grok Voice 3.0,在语音到语音基准测试中名列前茅
xAI 发布了 Grok Voice 3.0,这是一款新的语音到语音模型,现已支持 grok-voice-latest 别名,自动升级用户而无需任何配置更改。该新模型在 Artificial Analysis Speech to Speech Index 上得分 86.9,超过了 OpenAI 的 GPT-Live-1 的 83.2。虽然 Grok Voice 3.0 在整体性能上领先,但 GPT-Live-1 在 agentic τ…
-
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…
-
xAI 发布 Grok Voice 3.0,树立语音 AI 新标杆
xAI 推出了 Grok Voice 3.0,这是一款专为客户支持和语音助手应用设计的新型语音到语音模型。据报道,该模型在通话解决率、低于一秒的延迟以及与其他前沿模型相比的成本效益等领域取得了行业领先的性能。独立基准测试显示,Grok Voice 3.0 在语音到语音指数和企业语音代理评估等指标上优于竞争对手,同时还展现了自然的对话能力。
-
研究发现:LLM提示词在自然语音模拟方面不可靠
一篇新发表在arXiv上的研究探讨了在语音用户模拟器中,基于提示词的方法与基于规则的方法在模拟自然语音行为方面的有效性。研究人员发现,仅使用提示词的大型语言模型(LLMs)在生成一致且自然的非流利语、打断和回应方面并不可靠。相比之下,一种无模型的基于规则的算法在模拟这些自然语音模式方面表现出更好的控制力和多样性,这表明准确的用户模拟需要专门的模型或确定性方法。
-
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、…
-
StepAudio 3 模型在实时对话、通用音频和音乐生成方面取得进展
研究人员推出了 StepAudio 3 模型系列,涵盖实时交互、通用音频生成和音乐创作。StepAudio 3 Realtime 专注于具有“倾听-交谈-思考-行动”循环的连续语音对话,在 Artificial Analysis Full-Duplex Bench 等基准测试中取得了高性能。StepAudio 3 Gen 是一个统一的离散自回归模型,可用于文本到语音和音效等各种音频任务,并利用了残差向量量化令牌。StepAudio 3…