Новости генеративного ИИ

Релизы, обновления и тренды - все самое важное простым языком

28 из 592

E
Голос

Edge0 открыла TTS-модель на 0,6 млрд параметров с клонированием голоса на 23 языках

Edge0 выложила Audio8-TTS-Realistic под Apache 2.0: модель клонирует голос по одной записи, знает русский и обходит Qwen3-TTS-1.7B на бенчмарке CV3 по средней ошибке.

30 октября3 мин чтения
AssemblyAI
Голос

AssemblyAI выпустила первую TTS-модель: $15 за миллион символов, 6 языков

AssemblyAI запустила AssemblyAI-TTS-1, синтез речи для голосовых агентов. Цена $15 за 1 млн символов без годового контракта и без отдельной платы за параллельные сессии, но SSML и управления скоростью пока нет.

29 октября3 мин чтения
Ollama
Голос

Ollama v0.40.11-rc0: каталог голосов Phonon и что было в предыдущем релизе

Ollama выпустил release candidate v0.40.11 с обновлением каталога голосов Phonon. Синтез речи и модели d3 появились раньше - в v0.40.9 от 22 октября.

24 октября3 мин чтения
B
Голос

Block выпустил Dessa: первая ИИ-модель, обученная только на человеческой речи

Dessa от компании Block не переводит речь в текст - она слышит эмоции, сарказм и паузы напрямую из аудио. Это меняет подход к голосовому ИИ.

24 октября4 мин чтения
Ollama
Голос

Ollama 0.40.9: локальный синтез речи и новые модели решений

Ollama научилась генерировать речь через модель Phonon на Apple Silicon - без облака, с потоковым воспроизведением и OpenAI-совместимым API.

23 октября4 мин чтения
G
Голос

Phonon: 31 млн параметров, 64 МБ и голос за 7 мс без интернета

Gradium выложила в открытый доступ TTS-модель Phonon под лицензией Apache 2.0. Она умещается в 64 МБ, обгоняет Kokoro по точности вдвое и работает прямо в браузере.

22 октября4 мин чтения
S
Голос

Grok Voice 3.0 занял первое место в индексе Artificial Analysis, опередив OpenAI и Google

SpaceXAI выпустила Grok Voice 3.0 - речевую модель, которая набрала 86.9 в Speech-to-Speech Index от Artificial Analysis, обойдя GPT-Live-1 и Gemini 3.8 Live. Модель уже обрабатывает 20 000 звонков в сутки в Starlink.

15 октября4 мин чтения
Microsoft
Голос

Microsoft выпустила голосовые модели: транскрипция за 100 мс и клонирование голоса

Microsoft AI представила MAI-Transcribe-2-Streaming и две TTS-модели серии MAI-Voice-2.1 в режиме public preview. Первые результаты транскрипции - уже через 100 миллисекунд, поддержка 60 языков.

2 октября3 мин чтения
Nvidia
Голос

Nvidia выпустила бесплатную модель: восемь голосов в реальном времени

Nvidia открыла веса Nemotron 3 Diarization - 100-миллионная модель различает до восьми говорящих в прямом эфире с рекордно низкой ошибкой 14,7%.

27 сентября4 мин чтения
Google
Голос

Gemini сам позвонит в ресторан вместо вас: новая функция Pixel 11

Google запустила "Call for Me" для Pixel 11 - Gemini теперь звонит в компании сам, ждет на удержании и ведет разговор, пока вы наблюдаете за транскриптом.

24 сентября4 мин чтения
T
Голос

Tencent Gander: ИИ-ассистент, который работает и болтает одновременно

Tencent представила Gander - голосового агента с раздельной архитектурой "мозжечок/мозг", который ведет диалог в реальном времени, пока фоновый агент пишет код или ищет файлы.

21 сентября4 мин чтения
Apple
Голос

Apple переписала Siri на базе Gemini - но не для iPhone и iPad в Европе

После многолетних задержек Apple выпустила полностью переработанного Siri на движке Google Gemini. Европейские пользователи iPhone и iPad не получат его при выходе iOS 27 и iPadOS 27 из-за разногласий с регуляторами ЕС - хотя на macOS 27 и visionOS 27 доступ будет.

15 сентября5 мин чтения

🔥 Популярные теги

🚀 Genova-ai

Все ИИ-инструменты без VPN и зарубежных карт

Попробовать бесплатно →