8 notas publicadas
El maker Asten convirtió un Silverlit Maze Breaker en un robot con personalidad, un celular como cara y un modelo Qwen afinado para reaccionar en 200 ms.
La familia suma transcripción en 50 idiomas, síntesis de voz con emoción en más de 35 y un kit para armar agentes que escuchan, razonan y ejecutan tareas en tiempo real.
El modelo de transcripción en tiempo real entrega sus primeros resultados en poco más de 100 milisegundos, y MAI-Voice-2.1 habla 23 idiomas con la misma voz.
El sistema funciona sin conexión con Vosk y un modelo de 700 millones de parámetros, y resuelve los pedidos más comunes en menos de 5 ms sin llamar al modelo de lenguaje.
Meta presenta Muse Voice Transcribe, un modelo capaz de transcribir, identificar hasta 20 hablantes simultáneos y detectar pausas en tiempo real para asistentes IA.
Un solo modelo autorregresivo reemplaza a los tres sistemas encadenados que hoy usan las aplicaciones de voz: transcripción, separación de hablantes y detección de fin de turno.
El sistema de reconocimiento de voz tiene 2.000 millones de parámetros, se publica bajo licencia Apache 2.0 y ataca dialectos, mezcla árabe-inglés y vocabulario especializado.
Otros temas que aparecen junto a #reconocimiento de voz en nuestra cobertura editorial.
