亚马逊推出全新ASR系统，支持100多语言

站长之家

发布于AI新闻资讯 · 1 分钟阅读 · 2023年11月27号 18:02

亚马逊最新ASR系统覆盖100多语言，通过语音基础模型实现显著准确度提升。系统支持多项特性，成千上万企业利用该系统解锁音频内容见解，提高了可访问性和可发现性。

通义推出CoGenAV多模态语音表征模型可实现音画同步感知

近日，通义大模型发布CoGenAV，以音画同步理念创新语音识别技术，有效解决语音识别中噪声干扰的难题。传统语音识别在噪声环境下表现欠佳，CoGenAV则另辟蹊径，通过学习audio-visual-text之间的时序对齐关系，构建出更鲁棒、更通用的语音表征框架，系统性提升语音识别任务（VSR/AVSR）、语音重建任务(AVSS/AVSE)以及语音同步任务(ASD)等多个Speech-Centric任务的表现力。

SoundHound AI（SOUN）获得重要 AIOps 认可，但股价目标被下调

最近，SoundHound AI， Inc.（NASDAQ:SOUN）在人工智能领域获得了显著认可，特别是在 AIOps(人工智能运维)方面的表现。然而，尽管在技术上取得了一定的成就，市场对其未来的预期却出现了下调。这一消息引发了投资者的广泛关注。在当前的市场环境中，人工智能技术的应用愈发重要，SoundHound AI 凭借其创新的语音识别和自然语言处理技术，正逐渐在行业中崭露头角。该公司不仅在产品性能上不断进步，而且在推动企业运维智能化方面取得了一系列成就。其独特的 AI 系统能够帮助企业实时分析和

亚马逊推新一代AI语音模型Nova Sonic，捕捉语气、语调变化和节奏

亚马逊近日推出了一款新型 AI 语音模型 ——Nova Sonic，旨在提升其语音助手 Alexa + 的性能。Nova Sonic 被设计用于本地处理语音并生成自然流畅的回复，标志着亚马逊在语音识别技术领域的又一次突破。Nova Sonic 采取了一种全新的整合方式，将语音理解和生成的能力统一到一个模型中。这一创新不仅简化了语音应用的开发过程，还能根据语音输入的声学背景（如语调和风格）来调整生成的语音响应，从而实现更加自然的对话。Nova Sonic 甚至能够理解人类对话中的细微之处，包括说话者的自然停

百度文小言全面升级，推出多模型融合调度与新语音大模型

在刚刚结束的百度 AI DAY 上，百度文小言正式宣布了品牌焕新和功能升级的消息。此次升级不仅包括全新的视觉形象，更重要的是引入了多模型融合调度技术，这将极大增强其语音识别和图片问答的能力。文小言的多模型融合调度是本次升级的核心亮点。通过整合百度自研的文心 X1、文心4.5等模型，并引入了诸如 DeepSeek-R1和可灵等第三方优质模型，用户可以根据需求灵活选择使用最适合的模型。用户只需轻松点击 “自动模式”，系统就会智能选择最佳模型组合，显著提高响应速度与任务处

阿里通义实验室语音团队负责人鄢志杰离职

据tech星球消息，阿里通义实验室语音团队负责人鄢志杰已于 2 月 15 日正式离职，其职级为阿里原P序列体系中的P10 级别。鄢志杰是智能语音领域专家， 2003 年进入中科大语音实验室攻读博士，师从科大讯飞创始人王仁华教授。 2008 年获博士学位后，他在微软亚洲研究院语音组担任主管研究员至 2015 年，主要研究语音识别、语音合成等领域。学术上，他发表多篇顶级论文，拥有多项专利。图源备注：图片由AI生成，图片授权服务商Midjourney2015 年加入阿里巴巴后，鄢志杰曾担任IDST智能语音交互

一加13手机推新ColorOS 15.0.0.701，首发AIGC合成语音识别功能

一加13手机迎来了 ColorOS15.0.0.701版本的重大升级。这次更新的系统包大小约为1.33GB，除了诸多优化和修复，还引入了行业首发的 AIGC 合成语音识别功能，为用户的安全与便利提供了全新保障。此次更新中，桌面功能得到了显著改善，用户现在可以通过拖拽的方式轻松调整文件夹的大小至1×2或2×1的尺寸。同时，在桌面四列布局下，用户可以在 dock 栏中放置多达五个应用，使得手机的操作更加灵活方便。此外，通知和控制中心的动画流畅度也进行了优化，让用户的操作体验更加丝滑顺畅。在安