ページを読み込み中…
ページを読み込み中…
5件の記事
Vercel は AI Gateway にオーディオ機能を追加し、OpenAI や xAI のモデルを用いてリアルタイム音声、テキスト読み上げ、音声認識を既存の API 呼び出しで利用できるようにした。この機能はベータ版として AI SDK 7 で提供されている。
Vercel は AI Gateway に音声およびオーディオモデルのサポートを追加し、リアルタイム音声エージェントの構築やテキストから音声への生成、音声の文字起こし機能をベータ版として提供開始した。
NVIDIA は、DAQIRI という技術を用いることで、高速なデータ収集プロセスにおいてリアルタイムでの AI 処理を可能にする機能を発表した。
Google は、70 以上の言語を自動検知し、話者のイントネーションやピッチを保ちながら連続的に翻訳音声を生成する新モデル「Gemini 3.5 Live Translate」を発表した。この技術は Meet、翻訳サービス、ライブ API で利用可能となる。
シンキングマシーンズラボは、音声・動画・テキストを横断するリアルタイムな人間と AI の協働を実現する新研究「対話モデル」を発表した。このモデルはマルチストリーム設計でゼロから学習し、従来のターン制の制限を取り除き、双方向の継続的なやり取りを可能にする。