Nvidia, 40 dile kadar destekleyen ve 31 dil ile İngilizce arasında çeviri yapabilen açık ağırlıklı konuşma tanıma modeli Nemotron 3.5 Transcribe'ı ücretsiz yayımladı. 1 milyar parametreli model, bir saate kadar kayıtları işleyip sekiz konuşmacıyı ayırt edebiliyor ve tek bir çipte çalışıyor.
ElevenCreative içindeki Studio 4.0 ile video, görsel, 32'den fazla dilde 10 binden fazla sesle seslendirme, müzik ve ses efektleri tek bir kurgu zaman çizelgesinde üretilebiliyor. Yeni Studio Agent ilk kurguyu hazırlıyor, klipleri yerleştiriyor ve sesi kare kare eşliyor; ekipler kliplere doğrudan yorum yazabiliyor.
Konuşmayı yazıya çeviren Grok Voice Transcribe 2.0, toplu işlemde saati 0,10 dolar, canlı akışta 0,20 dolar fiyatla öncekinin iki katı doğruluk sunuyor ve Artificial Analysis'te 32 canlı model arasında birinci. 19 dilde kısa ifadelerde kelime hata oranı yüzde 20,6'dan yüzde 6,8'e indi; Atlassian Loom modeli tüm videoları için kullanmaya başladı.
ElevenLabs, MCP bağlayıcısını Claude, ChatGPT, Cursor ve Hermes gibi araçlarda doğal dil istemleriyle konuşma, döküm, dublaj, müzik, ses efekti, görsel ve video üretecek şekilde genişletti. Tek kurulum ve tek OAuth girişiyle API anahtarı gerekmeden 50'den fazla modele erişiliyor; üretilen her şey ElevenCreative çalışma alanına kaydediliyor.