Google vừa giới thiệu Gemini 3.8 Flash TTS và Gemini 3.8 Flash-Lite TTS, tối ưu hóa cho các tác vụ lồng tiếng sáng tạo và xử lý tự động hóa với tốc độ cao.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Đột phá công nghệ chuyển văn bản thành giọng nói»
@typesafeai@typesafeaiThis can't just be transcript analysis, reveal your secrets! Brb playing with the live version @Ele…
DịchElevenLabs vừa giới thiệu công cụ phân tích cảm xúc trực tiếp, cho phép theo dõi và hiển thị sắc thái biểu cảm của người nói ngay khi họ đang trò chuyện thông qua các biểu đồ thời gian thực.
Google vừa giới thiệu hai mô hình chuyển văn bản thành giọng nói (TTS) mới là Gemini 3.8 Flash TTS và Flash-Lite TTS, hiện đã có sẵn trên Gemini API và Google AI Studio.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Đột phá công nghệ chuyển văn bản thành giọng nói»Google giới thiệu hai mô hình Gemini 3.8 Flash TTS và Flash-Lite TTS, chuyển đổi khả năng tạo giọng nói từ các thiết lập tĩnh sang môi trường studio tùy chỉnh linh hoạt.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Đột phá công nghệ chuyển văn bản thành giọng nói»Google giới thiệu bộ đôi mô hình Flash TTS hỗ trợ hơn 100 ngôn ngữ, cho phép tạo giọng nói tùy chỉnh qua mô tả văn bản hoặc sao chép giọng nói từ mẫu 30 giây, tích hợp sẵn watermark SynthID để bảo mật.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Đột phá công nghệ chuyển văn bản thành giọng nói»Google vừa giới thiệu bộ đôi mô hình Gemini 3.8 Flash TTS và Flash-Lite TTS, cho phép kiểm soát chi tiết từng dòng thoại với hỗ trợ hơn 100 ngôn ngữ và 2000 tùy chọn giọng nói có sẵn.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Đột phá công nghệ chuyển văn bản thành giọng nói»
Logan Kilpatrick@OfficialLoganKIntroducing Gemini 3.8 Flash and Flash-Lite TTS, our new SOTA text to speech model with: - a new vo…
DịchGoogle giới thiệu Gemini 3.8 Flash cùng Flash-Lite TTS, mô hình chuyển văn bản thành giọng nói SOTA hỗ trợ hơn 100 ngôn ngữ, 2000+ giọng đọc và dẫn đầu bảng xếp hạng Hume AI.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Flash TTS và Flash-Lite TTS: Đột phá công nghệ chuyển văn bản thành giọng nói»Google DeepMind giới thiệu hai mô hình Gemini 3.8 Flash TTS và Flash-Lite TTS, hỗ trợ tạo giọng nói từ mô tả tự nhiên, sao chép mẫu âm thanh 30 giây và xử lý đa ngôn ngữ với khả năng điều khiển biểu cảm chuyên sâu.
Diễn biến sự kiện · 16 bài →Thêm 12 nguồn khác đưa tinX: Google AI (@GoogleAI)Artificial Intelligence News (Web)X: Testing Catalog (@testingcatalog)MarkTechPostHacker News Nổi bật (buzzing.cc bản dịch tiếng Trung)The Decoder: AI NewsX: Artificial Analysis (@ArtificialAnlys)Simon Willison BlogX: Logan Kilpatrick (@OfficialLoganK)X: Ammaar Reshi (@ammaar)IT HomeX: Google DeepMind (@GoogleDeepMind)
Artificial Analysis@ArtificialAnlysGoogle has released Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS. Gemini 3.8 Flash TTS debuts …
DịchGoogle vừa giới thiệu hai mô hình chuyển đổi văn bản thành giọng nói (TTS) mới là Gemini 3.8 Flash TTS và Gemini 3.8 Flash-Lite TTS, hỗ trợ cả giọng đọc mặc định lẫn tính năng sao chép giọng nói cá nhân.
Google AI@GoogleAIWe're launching Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS ⚡️ Our most expressive audio mod…
DịchGoogle giới thiệu hai mô hình Gemini 3.8 Flash TTS và Gemini 3.8 Flash-Lite TTS, hỗ trợ hơn 100 ngôn ngữ với khả năng tùy chỉnh giọng nói linh hoạt, cho phép tạo ra hàng giờ âm thanh chất lượng cao, mượt mà và nhất quán.
Google DeepMind@GoogleDeepMindCreate and deploy custom audio with our new text-to-speech models: 🔵 Gemini 3.8 Flash TTS: Design …
DịchGoogle DeepMind vừa giới thiệu Gemini 3.8 Flash TTS cho phép tùy chỉnh giọng nói độc bản và Gemini 3.8 Flash-Lite TTS tập trung vào hiệu suất cao, tối ưu cho các ứng dụng quy mô lớn.
Kyutai giới thiệu Voice of Reason, bộ đôi mô hình giọng nói-sang-giọng nói dựa trên GLM-4-Voice-9B, có khả năng giải toán bằng lời nói mà không cần chuyển đổi văn bản hay dùng LLM trung gian.
Rohan Paul@rohanpaul_aiOne of the stranger assumptions in AI is that the same model architecture should work equally well f…
DịchTheo Cartesia, thách thức lớn nhất của AI giọng nói không nằm ở âm thanh mà là khả năng duy trì trạng thái hội thoại liên tục. Đó là lý do họ ưu tiên mô hình không gian trạng thái (SSM) thay vì các kiến trúc truyền thống để xử lý chuỗi dữ liệu dài.
Tripo (X chính thức)@tripoaiJev x Tripo x Astra in action. This showcases a smooth workflow using Tripo P2.0 to generate 3D ass…
DịchBản demo kết hợp giữa Jev, Tripo và Astra cho thấy khả năng tạo tài nguyên 3D, mô hình VRM và điều khiển logic game thông qua giọng nói một cách mượt mà, mở ra tiềm năng mới cho việc phát triển game tự động hóa.
MarkTechPost thực hiện bài kiểm tra thực tế trên 7 nền tảng nhân bản giọng nói hàng đầu, đánh giá dựa trên độ chân thực, quy trình xác thực quyền sở hữu và chi phí vận hành cho mỗi 1 triệu ký tự.
Elvis Saravia@omarsar0NVIDIA research papers are on fire recently! Here is another interesting paper where they give full…
DịchNVIDIA phát triển kiến trúc mới cho phép mô hình giọng nói song công chuyển tiếp luồng dữ liệu đến LLM để thực thi công cụ, sau đó phản hồi kết quả qua cơ chế prefill-and-repeat và TTS.
Elon Musk@elonmuskGrok @Bot now has a voice
DịchChatbot Grok của xAI vừa được bổ sung khả năng tương tác bằng giọng nói, cho phép người dùng trò chuyện trực tiếp với AI thay vì chỉ nhập văn bản.
Cùng sự kiện, tinh chọn hiển thị «xAI ra mắt mô hình chuyển đổi giọng nói Grok Voice Transcribe 2.0 với độ chính xác vượt trội»
Lauren Tan@potetotalk to grok @bot!
DịchGrok Bot trên nền tảng X vừa cập nhật tính năng tương tác bằng giọng nói, cho phép người dùng trò chuyện trực tiếp với AI thay vì chỉ nhắn tin văn bản như trước.
Treble vừa gọi vốn thành công 18 triệu USD để phát triển nền tảng mô phỏng giọng nói, chuyên cung cấp dữ liệu tổng hợp và đánh giá mô hình cho các ông lớn như Amazon và Logitech.
SpaceXAI@SpaceXAIUse Grok Voice in fal to build intelligent, low-latency agents that resolve real customer issues
DịchGrok Voice từ xAI đã cập bến nền tảng fal, mang đến khả năng phản hồi giọng nói siêu tốc dưới 0.7 giây, hỗ trợ đa ngôn ngữ và tính năng sao chép giọng nói chỉ với 2 phút dữ liệu âm thanh.
Greg Brockman@gdbCodex voice for road trips:
DịchMột người dùng đã tích hợp Codex vào CarPlay thông qua ứng dụng Nightblood, cho phép lập trình bằng giọng nói ngay khi đang lái xe, biến AI thành trợ lý cá nhân có cá tính và khả năng truy cập sâu vào hệ thống Mac.
Google giới thiệu bộ đôi mô hình Gemini 3.8 Live và 3.5 Transcribe với khả năng xử lý giọng nói đa ngôn ngữ, hỗ trợ tư duy mở rộng và tích hợp thị giác, trong đó bản Extended Thinking hiện dẫn đầu bảng xếp hạng Artificial Analysis.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Live và bản Extended Thinking: Đột phá mới cho trợ lý giọng nói»Google vừa giới thiệu bộ đôi mô hình Gemini 3.8 Live và Extended Thinking, mang đến khả năng tương tác giọng nói trực tiếp tương tự GPT-Live của OpenAI.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Live và bản Extended Thinking: Đột phá mới cho trợ lý giọng nói»Artificial Analysis@ArtificialAnlysGoogle has released Gemini 3.8 Live, its new Speech to Speech model, with the Extended Thinking (Hig…
DịchArtificial Analysis công bố Gemini 3.8 Live (bản Extended Thinking) đã vươn lên dẫn đầu bảng xếp hạng Speech to Speech Index với 82.6 điểm và đạt hiệu suất 68.6% trên Tau Voice.
Google vừa giới thiệu hai mô hình Gemini 3.8 Live tập trung vào khả năng hội thoại thời gian thực và tư duy chuyên sâu, tối ưu hóa cho các tác vụ phức tạp và tương tác giọng nói thông minh.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Live và bản Extended Thinking: Đột phá mới cho trợ lý giọng nói»Rohan Paul@rohanpaul_aiGoogle released Gemini 3.8 Live and Gemini 3.8 Live Extended Thinking And now it takes the #1 overa…
DịchGoogle vừa trình làng Gemini 3.8 Live và bản Extended Thinking, chính thức soán ngôi đầu bảng xếp hạng Artificial Analysis về khả năng tương tác giọng nói, vượt qua GPT-Live-1 Astra với hiệu suất ấn tượng 82,6%.
Google DeepMind vừa giới thiệu hai mô hình giọng nói mới là Gemini 3.8 Live và 3.8 Live Extended Thinking, mang đến giải pháp thay thế hiệu quả với chi phí tối ưu hơn so với GPT-Live-1.
Cùng sự kiện, tinh chọn hiển thị «Google DeepMind ra mắt Gemini 3.8 Live và bản Extended Thinking: Đột phá mới cho trợ lý giọng nói»Logan Kilpatrick@OfficialLoganKSay hello (literally) to Gemini 3.8 Live and 3.8 Live Extended Thinking, our new SOTA live audio mod…
DịchGoogle vừa giới thiệu bộ đôi mô hình giọng nói thời gian thực Gemini 3.8 Live, hỗ trợ 97 ngôn ngữ với khả năng chuyển đổi mượt mà và hiệu suất dẫn đầu thị trường theo đánh giá của Artificial Analysis.
Rohan Paul@rohanpaul_aiI really like how @voicearena_ai designed this evaluation. Instead of asking whether one voice mode…
DịchJarvis Bench v0.5 đánh giá tác nhân AI qua độ hoàn thành nhiệm vụ và sự tự nhiên bằng phương pháp đối chứng với con người. Kết quả cho thấy AI đã tiệm cận con người về khả năng hoàn thành tác vụ, nhưng vẫn còn khoảng cách lớn về sự tự nhiên trong giao tiếp.
DeepSeek vừa triển khai thử nghiệm tính năng phản hồi bằng giọng nói trên ứng dụng, cho phép người dùng lựa chọn giữa 4 cấu hình âm thanh khác nhau.
OpenAI chính thức cung cấp API GPT-Live-1 với khả năng nghe-nói đồng thời, giảm độ trễ xuống 0,8 giây và cải thiện đáng kể độ chính xác khi gọi công cụ với mức giá 0,05 USD/phút.
Cùng sự kiện, tinh chọn hiển thị «OpenAI ra mắt mô hình giọng nói song công GPT-Live-1 qua API»OpenAI vừa giới thiệu GPT-Live-1, mô hình giọng nói cho phép tương tác hai chiều thời gian thực, hỗ trợ tích hợp các mô hình mạnh mẽ như GPT-6 Astra với mức giá 0,05 USD mỗi phút.
Diễn biến sự kiện · 12 bài →Thêm 11 nguồn khác đưa tinX: Hongming (@hongming731)X: Testing Catalog (@testingcatalog)X: Sherwin Wu (@sherwinwu)IT HomeX: Greg Brockman (@gdb)X: Thomas Wolf (Hugging Face đồng sáng lập/CSO) (@Thom_Wolf)The Decoder: AI NewsX: Tibo (@thsottiaux)X: OpenAI Developers (@OpenAIDevs)X: Rohan Paul (@rohanpaul_ai)X: Kim (@kimmonismus)
ModelBest OpenBMB@OpenBMB🎙️ VoxCPM is more than a voice generator. Developer @XieZhifei14110 integrated VoxCPM with VoiceMe…
DịchNhà phát triển XieZhifei14110 đã tích hợp mô hình VoxCPM với hệ thống VoiceMem, giúp các trợ lý giọng nói thời gian thực vừa có khả năng phát âm tự nhiên, vừa sở hữu bộ nhớ lưu trữ linh hoạt.
Tencent Hunyuan@TencentHunyuan🚀 AuK is officially here. Nano banana🍌 for audio An open-source foundation model for unified spee…
DịchTencent Hunyuan giới thiệu AuK, mô hình nền tảng hỗ trợ tạo và chỉnh sửa giọng nói đa năng từ văn bản và âm thanh mẫu, cùng phiên bản AuK-Flash tối ưu hóa với tốc độ suy luận chỉ trong 4 bước.
Kỹ sư từ Nice AI đã tận dụng mô hình VoxCPM để xây dựng các đường truyền giọng nói S2S, MDN, QUIC và hệ thống 6 kho dữ liệu nhằm tối ưu hóa tương tác cho các nhân vật số.
Testing Catalog@testingcatalogOPENAI 🔥: Voice Mode on ChatGPT now supports GPT 5.6 Sol and GPT 6 Astra. > Support for GPT 6 …
DịchOpenAI nâng cấp chế độ giọng nói trên ChatGPT, cho phép người dùng tùy chọn mô hình và cấp độ suy luận. Trong đó, GPT-6 Astra cao cấp hiện chỉ dành riêng cho người dùng gói ChatGPT Pro.
Sierra vừa ra mắt hướng dẫn toàn diện về AI giọng nói, cung cấp 7 bài kiểm tra quan trọng để đánh giá khả năng phản hồi, độ trễ và tính an toàn của các tác nhân AI trong giao tiếp thực tế.
Meta Superintelligence Labs giới thiệu Muse Voice Transcribe, mô hình tự hồi quy đầu tiên xử lý đồng thời nhận diện giọng nói, phân tách hơn 20 người nói và phát hiện điểm cuối mà không cần hậu xử lý.
Elon Musk@elonmuskGrok vừa bổ sung tính năng chia sẻ màn hình vào chế độ hội thoại giọng nói, cho phép AI quan sát trực tiếp nội dung trên trình duyệt để hướng dẫn người dùng theo thời gian thực.
Trải nghiệm thực tế của tác nhân AI giọng nói phụ thuộc vào độ trễ câu đầu (TTFS) thay vì chỉ TTFT. Bài viết phân tích ngân sách độ trễ cho toàn bộ quy trình STT, LLM và TTS để đạt mục tiêu phản hồi dưới 1.2 giây.