AI 語音、音樂與即時對話
1.6B阿語語音辨識模型Falcon-ASR出爐 TII稱阿語錯誤率低過榜首
阿布達比TII發布1.6B參數語音辨識模型Falcon-ASR，支持阿語、英文等五語，TII評估阿語WER 20.92%好過榜首23.17%；所有數字出自TII自行測試。
AI 語音、音樂與即時對話
AI 語音、音樂與即時對話
Claude Opus 5.5 寫到 Monkey Island 遊戲音樂 文字模型突會寫歌？
Simon Willison 喺10月6日試住叫 Claude Opus 5.5 寫電腦遊戲配樂，特別要求「做到 Secret of Monkey Island 原版嗰個水準」。模型設計咗文字格式、組裝可播放 artifact 並附示範曲目，效果「出人意料咁好」。
AI 語音、音樂與即時對話
「Call for Me」由打公變打私 Gemini 幫你打電話畀阿媽話你遲到
Google 嘅 Gemini「Call for Me」功能或將由商業電話擴展到私人通話，可幫你打電話俾朋友同家人。APK 拆解揾到「Gemini Calling」入門畫面同「逐項權限」設定，但官方未必會正式推出。
AI 語音、音樂與即時對話
微軟首款串流轉錄模型 你未講完佢已經開工
微軟 AI 部門10月1日推出三款新模型，包括首款自研即時串流語音轉錄模型 MAI-Transcribe-2-Streaming，同兩款文字轉語音 MAI-Voice-2.1 同 Flash 版，主打低延遲即時對話，喺 Microsoft Foundry 提供公開預覽。
AI 語音、音樂與即時對話
微軟出實時聽寫模型，打頭陣：60 種語言，試温期 $0.54
微軟出第一個實時語音轉文字模型 MAI-Transcribe-2-Streaming，現已喺 Microsoft Foundry 開公開預覽。喺第三方 Artificial Analysis AA-WER Streaming 榜排頭位，60 種語言，試温期 $0.54/小時。
AI 語音、音樂與即時對話
微軟出流式轉寫模型 320毫秒出字 快過你講完句
微軟10月1日推出首個流式語音轉寫模型 MAI-Transcribe-2-Streaming，平均320毫秒出首個轉寫假設，另加兩個語音合成模型 MAI-Voice-2.1 同 MAI-Voice-2.1-Flash。
AI 語音、音樂與即時對話
Suno 開聲講人話 寫完歌再學開口 訓練資料邊個管？
AI 音樂生成器 Suno 推出 Speech 功能，可同時生成人聲旁白同背景音樂做一條完整音軌，現於網頁同手機平台公測。功能背後嘅模型訓練資料，Suno 冇交代。
AI 語音、音樂與即時對話
五個人一個週末寫新歌 同 AI 對決聽得出唔出？
有五個人用咗一個週末，由零開始寫新歌，然後同 AI 生成嘅歌比較。實驗喺10月3日公開，提出兩個問題：人寫得過唔過 AI？聽眾聽唔聽得出分別？現有材料冇講用邊個模型、點評判，亦冇交代結果。