Negyven nyelvet ért az Nvidia nyílt súlyú beszédmodellje
A Nemotron 3.5 Transcribe egyetlen modellből készít átiratot, fordítást és beszélőcímkéket, de offline feldolgozásra készült, nem élő közvetítésre.
Gyorsabb hangmodellek az OpenAI-tól
Az OpenAI kiadta a gpt-realtime-2.1 és gpt-realtime-2.1-mini modelleket, amelyek legalább 25 százalékkal alacsonyabb késleltetéssel működnek a valós idejű hangalkalmazásokban.