CCTest · Blog
讯飞发布新一代语音与端云模型,AI交互从“听见”走向“理解现场”
语音与音频
cctest.ai
语音与音频

讯飞发布新一代语音与端云模型,AI交互从“听见”走向“理解现场”

科大讯飞发布星火语音基座大模型 SparkAudio 1.0,以及端侧模型 Spark-X2.6-4B,重点强化复杂音频理解、多人交互和端云协同。其披露称,语音大模型调用量同比增长超过20倍,部分端侧方案已具备约70%的云端能力。

阅读全文
CCTest · Blog
Fish Audio Drama 3:让语音模型从“朗读”走向“导演式表演”
语音与音频
cctest.ai
语音与音频

Fish Audio Drama 3:让语音模型从“朗读”走向“导演式表演”

Fish Audio 发布开源语音生成模型 Drama 3,将声音克隆、自然语言导演、多角色配音、语音修改和流式合成整合到同一套系统中。其核心并非只追求更像真人,而是让模型能够理解一段表演应如何完成、修改和衔接。

阅读全文
CCTest · Blog
苹果拟吸纳 Huxe 团队并授权其技术,或布局个性化 AI 播客
语音与音频
cctest.ai
语音与音频

苹果拟吸纳 Huxe 团队并授权其技术,或布局个性化 AI 播客

苹果向欧盟委员会披露,已与个性化音频初创公司 Huxe 达成协议,将向部分员工发出聘用邀请,并获得其知识产权的非独家许可。该交易可能为苹果探索 AI 生成或个性化播客功能铺路,但公司尚未公开具体计划。

阅读全文
CCTest · Blog
Gemini 3.8 Live 发布:实时语音对话开始进入“边聊边做”阶段
语音与音频
cctest.ai
语音与音频

Gemini 3.8 Live 发布:实时语音对话开始进入“边聊边做”阶段

Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking,重点提升实时语音交互、视觉理解、并行推理与后台工具调用能力。两款模型面向不同复杂度的语音代理任务,并已通过 API、Workspace、Search 和 Gemini 应用逐步开放。

阅读全文