#распознавание речи

'Руководство по сборке голосового ИИ, который понимает, планирует и отвечает голосом в реальном времени.'

Практическое руководство по сборке пайплайна с SpeechBrain: генерация речи, добавление шума, улучшение с MetricGAN+ и сравнение WER до и после обработки

'Qwen3-ASR Flash — единая модель Alibaba для автоматического распознавания речи на 11 языках, поддерживающая вставку контекста и показывающая WER ниже 8% в шумных и музыкальных условиях.'

'AI2 представил OLMoASR — открытую систему распознавания речи с моделями, набором данных и рецептами обучения, сопоставимую по качеству с OpenAI Whisper.'

'Краткий гид по 20 ключевым блогам и новостным сайтам о голосовом ИИ в 2025 году — источники для разработчиков, исследователей и менеджеров продуктов.'

'OpenAI вывела Realtime API из беты с GPT-Realtime, единым аудиопайплайном, поддержкой SIP и MCP, улучшив производительность и возможности для бизнеса, но оставив проблемы с точностью и устойчивостью.'

Исследователи Amazon создали AI-архитектуру, которая сокращает время вывода на 30%, активируя только нейроны, релевантные конкретной задаче, по аналогии с эффективностью человеческого мозга.

Модель Canary-Qwen-2.5B от NVIDIA устанавливает новый рекорд точности распознавания речи и обеспечивает высокую скорость обработки. Открытая и лицензированная для коммерческого использования, она объединяет транскрипцию и понимание языка в одном решении.

Mistral AI выпустила Voxtral — современные открытые модели распознавания речи, объединяющие транскрипцию и понимание языка с поддержкой длинного аудиоконтекста и нескольких языков.

Мохаммад Абу Шейх, CEO CNTXT AI, продвигает суверенный ИИ в регионе MENA, создавая культурные решения и модель Munsit для точного распознавания арабской речи.

Китайские исследователи представили LLaMA-Omni2 — модульную модель речи, обеспечивающую реальное время и минимальную задержку в голосовом взаимодействии с большими языковыми моделями.

NVIDIA представила Parakeet TDT 0.6B — открытую модель ASR, которая транскрибирует час аудио за одну секунду и достигает лучших показателей точности, устанавливая новый стандарт в индустрии.