bugünün notları ✎

Teknoloji Notlarım

bölüm

Yapay Zekâ Haberleri

26 haber · ses ajanı

RSS ile takip et
dün
yükselişte!

Jordan Belfort'un yapay zekâ ses girişimi Tone, satış aramaları için 10 milyon dolar topladı

Jordan Belfort'un yapay zekâ ses girişimi Tone, satış aramaları için 10 milyon dolar topladı – temsilî çizim

"Wall Street'in Kurdu" olarak bilinen Jordan Belfort'un yatırımcı Shervin Pishevar ile kurduğu Tone, satış aramalarını otomatikleştiren yapay zekâ ses girişimi için 10 milyon dolar topladı. Şirket ikna edici satışçıların ses tonu tekniklerini taklit ediyor; müşterileri arasında hukuk büroları, sağlık sigortacıları ve otomobil bayileri var.

Kaynak: TechCrunch ↗
geçen hafta
daha eski
dinliyorum!

Hume AI, konuşma ve sesi gerçek zamanlı analiz eden Audio Decision API'yi tanıttı

Hume AI, konuşma ve sesi gerçek zamanlı analiz eden Audio Decision API'yi tanıttı – temsilî çizim

Hume AI'ın Audio Decision API'si, transkripte dönüştürmeden ham sesi doğrudan işleyerek konuşma ve sesle ilgili özel sorulara gerçek zamanlı olasılık puanlarıyla yanıt veriyor ve yeniden eğitim gerektirmiyor. Arayanın sinirlendiğini fark etme ve yapay zekâ ile üretilmiş sesleri belirleme gibi kullanımları olan model, insan değerlendirmeleriyle yüzde 70,7 uyum gösterdi.

Kaynak: Hume AI ↗
dinliyorum!

Mistral, 50'den fazla dili destekleyen sesli ajan seti Voxtral 3'ü tanıttı

Mistral, 50'den fazla dili destekleyen sesli ajan seti Voxtral 3'ü tanıttı – temsilî çizim

Voxtral 3; konuşmacı ayırmalı çok dilli yazıya döküm modeli, 35'ten fazla dilde duyguya uyum sağlayan ses sentezi modeli ve dinleme, düşünme, araç çağırma ve konuşmayı tur başına bir saniyenin altında yapan bir SDK'dan oluşuyor. Yazıya döküm dakikası 0,0035 dolardan, ses sentezi milyon karakter başına 13 dolardan başlıyor.

Kaynak: Mistral ↗
dinliyorum!

xAI, sesten sese modeli Grok Voice 3.0'ı tanıttı

xAI, sesten sese modeli Grok Voice 3.0'ı tanıttı – temsilî çizim

xAI'ın Grok Voice 3.0'ı, Artificial Analysis'in sesten sese endeksinde 86,9 puanla birinci sırada yer alıyor ve bir saniyenin altında gecikmeyle çalışıyor. Model Tesla araçlarında günde milyonlarca konuşmaya güç veriyor, Starlink'te günlük 20 bin müşteri aramasının yüzde 70'ini insansız çözüyor; fiyatı dakikası 0,08 dolar.

Kaynak: xAI ↗
dinliyorum!

Sesame, kendi bilgisayarı olan sesli ajanlarını ve gözlük planını tanıttı

Sesame, kendi bilgisayarı olan sesli ajanlarını ve gözlük planını tanıttı – temsilî çizim

Sesame, iOS ve Android uygulamalarında yeni bir ses modeliyle çalışan asistanının önizlemesini yayımladı; her ajanın artık kendi bilgisayarı var, araç kullanabiliyor, başka ajanları yönetebiliyor ve Google uygulamalarına bağlanabiliyor. Şirket ayrıca Japonya'da elde üretilecek çerçevelerle gün boyu takılacak yapay zekâ gözlükleri planını açıkladı.

Kaynak: Sesame ↗
dinliyorum!

Microsoft, gerçek zamanlı döküm modeli MAI-Transcribe-Streaming'i ve yeni ses modellerini tanıttı

Microsoft, gerçek zamanlı döküm modeli MAI-Transcribe-Streaming'i ve yeni ses modellerini tanıttı – temsilî çizim

MAI-Transcribe-Streaming, Artificial Analysis doğruluk sıralamasına birinci sıradan girdi; 60 dilde gerçek zamanlı döküm yapıyor, ilk tahmini 100 milisaniye civarında veriyor ve saatlik fiyatı 0,54 dolar. Microsoft ayrıca 23 dili destekleyen MAI-Voice-2.1'i milyon karakter başına 22 dolara, daha hızlı MAI-Voice-2.Flash'ı 15 dolara sundu.

Kaynak: Microsoft AI ↗
dinliyorum!

Inception Labs, sesli ajanlar için difüzyon tabanlı Mercury Voice'u yayımladı

Inception Labs, sesli ajanlar için difüzyon tabanlı Mercury Voice'u yayımladı – temsilî çizim

Kurumsal müşterilere açılan Mercury Voice, ilk yanıt tokenını ortalama 320 milisaniyede veriyor; bu GPT-6 Luna'dan 5,9 kat daha hızlı. 128 bin token bağlamı ve üç akıl yürütme seviyesi olan model, milyon girdi tokenı başına 0,20 dolar, çıktı başına 0,75 dolar fiyatla dakikalık konuşma başına yaklaşık 0,009 dolara geliyor.

Kaynak: Inception Labs ↗
dinliyorum!

ElevenLabs, Eleven v4 ve Eleven v4 Turbo ses modellerini yayımladı

ElevenLabs, Eleven v4 ve Eleven v4 Turbo ses modellerini yayımladı – temsilî çizim

Eleven v4 senaryoyu kimin konuştuğunu ve önceki satırları dikkate alarak okuyor; 90'dan fazla dili, birden çok konuşmacıyı ve [laughs], [whispers] gibi ses etiketlerini destekliyor, SSML break etiketleri ise kapatıldı. Canlı aramalar ve ses ajanları için tasarlanan Eleven v4 Turbo yaklaşık 100 milisaniyelik ortalama çıkarım gecikmesi sunuyor.

Kaynak: ElevenLabs ↗
dinliyorum!

Grok Bot'a sesli sohbet modu geldi

Grok Bot'a sesli sohbet modu geldi – temsilî çizim

xAI'ın sohbet botu Grok'a, yazı yerine konuşarak etkileşim kurmayı sağlayan sesli mod eklendi. Özellik önümüzdeki birkaç gün içinde masaüstü ve mobil platformlarda kademeli olarak kullanıma açılıyor; Grok ayrı bir uygulama olarak da indirilebiliyor.

Kaynak: Grok Bot (X) ↗
dinliyorum!

Meta'nın Muse asistanı ABD'deki işletmeleri telefonla arayabiliyor

Meta'nın Muse asistanı ABD'deki işletmeleri telefonla arayabiliyor – temsilî çizim

Muse'un beta programı, lansmandan beri en çok istenen özelliklerden biri olan ABD'deki işletmelere giden arama özelliğiyle genişledi; özellik önce bunu asistandan talep eden kullanıcılara açıldı. Ekip, lansmandan sonraki bir haftada küçük arayüz düzeltmelerinden telefon aramasına kadar yüzlerce kullanıcı geri bildirimini ele aldı.

Kaynak: Ryan Fox (X) ↗
dinliyorum!

Amazon, Alexa+'ı Hintçe desteğiyle Hindistan'da başlattı

Amazon, Alexa+'ı Hintçe desteğiyle Hindistan'da başlattı – temsilî çizim

Erken erişimde Hintçe ve İngilizce destekleyen Alexa+, çok adımlı işleri yürütebiliyor, cümle ortasında dil değiştirebiliyor ve Swiggy, District, MakeMyTrip ile JioSaavn gibi yerel hizmetlerle çalışıyor. Erken test döneminin ardından Prime üyelerine ücretsiz olacak, diğer kullanıcılar ayda 2.000 rupi (20,85 dolar) ödeyecek.

Kaynak: TechCrunch ↗
dinliyorum!

Google, sesli yapay zekâ modelleri Gemini 3.8 Live ve Live Extended Thinking'i tanıttı

Google, sesli yapay zekâ modelleri Gemini 3.8 Live ve Live Extended Thinking'i tanıttı – temsilî çizim

Gemini 3.8 Live görsel bağlam, otomatik dil algılama ve arka planda araç çalıştırma sunarken Extended Thinking sürümü, Artificial Analysis'in konuşmadan konuşmaya kalite endeksinde 82,6 puanla birinci oldu ve τ-Voice'ta yüzde 68,6'ya ulaştı. İki model de Gemini API, Google AI Studio ve bazı Workspace uygulamalarında kullanılabiliyor.

Kaynak: Google ↗
dinliyorum!

ByteDance, aynı anda gören, dinleyen ve konuşan SeedRealtime modelini tanıttı

ByteDance, aynı anda gören, dinleyen ve konuşan SeedRealtime modelini tanıttı – temsilî çizim

ByteDance'in Seed ekibinin geliştirdiği SeedRealtime; ses, görüntü ve metni tek mimaride birleştiren çift yönlü bir dil modeli ve ayrı konuşma tanıma, görsel ve seslendirme modüllerine ihtiyaç duymuyor. Model ne zaman yanıt vereceğine harici kurallar yerine kendisi karar veriyor; sahneleri, konuşanları, duraklamaları ve arka plan konuşmalarını takip ediyor.

Kaynak: ByteDance ↗
dinliyorum!

xAI, sesten sese modeli Grok Voice Think Fast 2.0'ı tanıttı

xAI, sesten sese modeli Grok Voice Think Fast 2.0'ı tanıttı – temsilî çizim

Ses ajanı geliştiricilerine yönelik Grok Voice Think Fast 2.0'ın dakikalık ses ücreti 0,08 dolar. Model Artificial Analysis'in sesten sese testinde yüzde 82,9 genel puanla 1.0 sürümünün yüzde 75,7'sini ve GPT-Realtime-2.1'in yüzde 79,1'ini geçti; ilk sese kadar geçen süre 1,25 saniyeden 0,70 saniyeye indi.

Kaynak: xAI ↗

tüm bölümler

Ana SayfaYZ HaberleriYZ TerimleriYZ Linkleri

konular

açık ağırlıklı modelanthropicapplebilimchatgptclaudecodexçingeminigooglegörsel üretimigrokkodlamametamicrosoftmusenvidiaopenaises ajanısiber güvenlikvideo üretimiyapay zekâ ajanlarıyapay zekâ güvenliğixai

takip et

YouTubeInstagramMMedium