OpenAI 在 API 介紹新一代音訊模型
OpenAI 介紹 API 新一代音訊模型，文字轉語音模型可按開發者指示採用特定説話方式。例如，開發者可要求模型「像富有同理心的客服智能體那樣説話」，為語音智能體提供更多自訂空間。
推薦理由：開發者可用指示控制文字轉語音模型的説話方式，例如採用富有同理心的客服智能體語氣，讓語音智能體的表達方式有更多自訂空間。
語音與音頻
全部主題AI 語音與音頻的進展：語音合成、實時對話、音樂生成與音頻理解的模型與產品。
最新精選
第 21–28 條 · 共 28 條OpenAI News精選AI 評分6464
Hugging Face Blog精選AI 評分6262 Hugging Face 推出 FastRTC，支援以 Python 建構即時音訊與影片 AI 應用
Hugging Face 推出 FastRTC，這是一個讓開發者以 Python 建構即時音訊與影片 AI 應用的通訊程式庫。它內置語音偵測與輪次控制，提供支援 WebRTC 的 Gradio UI，並可將 Stream 掛載至 FastAPI 應用；亦支援 WebSocket。程式庫另提供語音轉文字、文字轉語音等工具，並可接駁不同 LLM、語音 API 或語音到語音模型。
推薦理由：FastRTC 將語音偵測、輪次控制和即時通訊整合起來，並提供 Gradio 測試介面及 FastAPI 部署方式，展示以 Python 搭建即時語音應用的實作流程。
Hugging Face Blog精選AI 評分6060 如何在 Hugging Face Inference Endpoints 部署 Speech-to-Speech
Hugging Face 示範以自訂 Docker 映像，將 Speech-to-Speech（S2S）流程部署至 Hugging Face Inference Endpoints。
推薦理由：文章把多模型語音流程拆解為自訂 Docker 映像、端點設定和 WebSocket 音訊服務等步驟，提供部署複雜推理管線時可參照的實作路徑。
OpenAI News精選AI 評分7272 OpenAI 推出 Realtime API，開發者可在應用程式中構建快速語音到語音體驗
OpenAI 推出 Realtime API，開發者現可在應用程式中構建快速語音到語音體驗。
OpenAI News精選AI 評分8585 OpenAI 推出 iOS 版 ChatGPT app
OpenAI 推出 iOS 版 ChatGPT app，讓用户可在 iOS 裝置使用 ChatGPT。應用支援對話同步和語音輸入，並帶來 OpenAI 最新模型改進。
推薦理由：公告列出對話同步、語音輸入及最新模型改進，呈現 iOS 版 ChatGPT app 在對話延續與語音使用上的主要變化。
Hugging Face Blog精選AI 評分7373 使用 🤗 Transformers 微調 Whisper 以支援多語言 ASR
Hugging Face Blog 提供使用 🤗 Transformers 為多語言 ASR 資料集微調 Whisper 的逐步指南，涵蓋資料準備、訓練與評估。
推薦理由：文章將 Whisper 多語言微調拆解為資料準備、特徵處理、訓練評估與示範流程，並以印地語資料展示從預處理到模型分享的可複用實作路徑。
OpenAI News精選AI 評分6666 OpenAI 開源語音識別神經網絡 Whisper
OpenAI 宣佈將其訓練的神經網絡 Whisper 開源。Whisper 在英語語音識別上的穩健性與準確度接近人類水平。
推薦理由：Whisper 的開源安排與英語語音識別表現並列，且以接近人類水平作比較，讓讀者可同時掌握模型發佈範圍與性能定位。
Hugging Face Blog精選AI 評分6363 如何使用 Hugging Face Transformers 微調 Wav2Vec2 英語語音辨識模型
Hugging Face 教學示範如何使用 Transformers 將預訓練的 Wav2Vec2 base 微調為英語自動語音辨識模型。示範使用含 5h 訓練資料的 TIMIT，並在不使用語言模型的情況下以 CTC 訓練。模型在 TIMIT 測試集的 WER 為 0.221（22.1%）。
推薦理由：這篇教學把資料清理、詞彙表與處理器設定、音訊取樣率處理、CTC 訓練及 WER 評估串成完整流程，並以 5h 的 TIMIT 訓練資料示範英語 ASR 微調。