MAI-Transcribe-2 получил потоковую версию для голосовых агентов
Потоковую версию получил распознаватель речи MAI-Transcribe-2, и Microsoft обещает открыть её в API и MAI Playground вместе с синтезом голоса MAI-Voice-2.1 и MAI-Voice-2.1-Flash.
Теги
Тег: Мультимодальность
четверг1 октября
среда30 сентября
Ideogram 4.5 заточили под правку и обещают открыть веса, Видео
Ideogram 4.5 обещают выложить с открытыми весами, хотя пока модель для точного редактирования картинок продают через API по цене от 0,8 до 22 центов за изображение в родном 2K.
суббота26 сентября
Аватар Gemini 3.8 Live не замолкает, пока ищет данные
Аватар в Gemini 3.8 Live меняет язык посреди разговора, и губы с мимикой подстраиваются под каждый из 97 языков. Готовых персонажей Google уже открыла в Gemini Enterprise, а своего дают только компаниям из белого списка.
