Phonic-1: голосова модель, яка викликає інструменти під час розмови
Phonic-1 від Phonic: speech-to-speech модель для голосових агентів, яка запускає виклики інструментів, поки співрозмовник ще говорить.
Аудіо й голос
6 записів
Nemotron 3.5 Transcribe: безкоштовна модель NVIDIA для записів на 40 мовах
Відкрита модель транскрибує записи до години, розрізняє до восьми мовців і перекладає 31 мову з англійської та на неї. Живе аудіо вона не обробляє.
Voxtral 3 від Mistral: розпізнавання, синтез мовлення й SDK для голосових агентів
Нове покоління голосових моделей охоплює понад 50 мов для транскрипції та 35+ для синтезу. Голосовий агент коштує від $0,04 за хвилину.
ElevenLabs Instant Soundtracks: музика й звукові ефекти для відео за один крок
Завантажте відео, і модель створить оригінальний саундтрек та синхронізовані ефекти окремими шарами, які можна редагувати.
Grok Voice 3.0: голосова модель xAI із затримкою менш як секунда
xAI випустила нову модель мовлення для голосових агентів за $0,08 за хвилину. Starlink уже обробляє нею близько 20 тисяч дзвінків на день.
Suno Speech: голос і музика, згенеровані як один трек
Нова бета в Suno озвучує ваш текст на тлі оригінальної музики. Компанія називає це першою моделлю, що створює голос і музику разом.