АудиоGemini 3.8 Live говори и мисли едновременно, и вече е за всичкиGoogle пусна в обща наличност два гласови модела за Live API. Единият е за бърз разговор без паузи, другият разсъждава на заден план, докато разговорът тече.АудиоElevenLabs сложи глас, музика, картина и видео в един конектор за чатаMCP конекторът на ElevenLabs вече не само управлява агенти, но и прави съдържание: реч, транскрипция, дублаж, музика, звукови ефекти, изображения и видео. Една инсталация, вход с акаунт, без сървър и без API ключ.АудиоElevenLabs Music v2.5: песента, която направиш, е твоя на всеки план, освен ако не стъпва на чуждаНа 11 септември ElevenLabs направи Music v2.5 модел по подразбиране в ElevenMusic и даде сваляне без загуба на всеки план, включително безплатния. Свалянето обаче е блокирано за песни, които стъпват на чужди песни.АудиоElevenLabs подписа с Universal Music първата си сделка с голям лейбъл, а платформата за феновете още я нямаElevenLabs и Universal Music Group сключиха многогодишно лицензионно споразумение и стратегическо сътрудничество. Първата стъпка е платформа за фенове върху лицензирана музика, с ремикси, мешъпи и нови интерпретации от участващи артисти. Платформата е в разработка.АудиоGPT-Live-1 слуша и говори едновременно, а вече е и в API, с гласов слой за 5 цента на минутаНа 10 септември OpenAI пусна в API гласовия модел GPT-Live-1, който досега беше в ChatGPT. Той слуша и говори в един и същи момент, може да оставя мисленето и инструментите на друг модел зад себе си и струва 0,05 долара на минута за гласовия слой.АудиоMicrosoft пусна отворен модел, който записва в реално време кой какво казва, но без българскиНа 2 септември Microsoft Research качи в Hugging Face VibeVoice-ASR-Streaming в два размера, под лиценз MIT. Моделът превръща речта в текст, докато тече, отделя говорещите и приема собствен речник с имена и термини. Езиците са десет, и българският не е сред тях.АудиоElevenLabs пусна команден ред, писан за агенти, не за хораНовият команден ред на ElevenLabs слага целия им продукт в терминала: музика, глас от текст, агенти. Отговорът излиза в структуриран JSON, а грешките са писани така, че да ги разчете програма. Ползвателят му е друг агент, човекът е втори.АудиоSpotify слага етикет на изпълнителите, които не съществуватОт средата на септември профил с AI-генерирана самоличност носи табела AI Persona - на банера, в търсенето, до всяка песен. И по подразбиране алгоритъмът не го препоръчва на никого.
21 материала