ページを読み込み中…
ページを読み込み中…
11件の記事
OpenRouter が既存の API キーで利用可能な音声文字起こし機能を追加した。ユーザーは base64 形式のオーディオを POST リクエストで送信し、JSON 形式のテキストと使用量情報を取得できる。
Vercel は、xAI が開発した Grok オーディオモデルを自社の AI Gateway に追加しました。これにより、リアルタイム音声やテキスト・音声変換などの機能が、AI SDK 7 を通じて提供されます。
Together AI は、世界で最も高速な音声テキスト変換システムを開発し、その技術的アプローチとアーキテクチャの詳細を発表しました。
AWS は、2025 年 11 月から Amazon SageMaker AI と vLLM を活用し、従来の方式では不可能だった低遅延のリアルタイム音声処理を実現する新機能を公開した。これにより、通話分析や字幕生成などのアプリケーションが単一接続で同時に音声ストリームを送受信できるようになる。