Nvidia เปิดตัวโมเดลถอดเสียงพูดเป็นข้อความแบบเปิดให้ใช้งานฟรี ซึ่งรองรับการถอดเสียงได้สูงสุด 40 ภาษา ถือเป็นอีกก้าวสำคัญในตลาด Voice AI และเครื่องมือถอดความอัตโนมัติ โดยเฉพาะงานประชุม สัมมนา การบันทึกการสนทนา และงานเอกสารทางการแพทย์ที่ต้องการความแม่นยำและรองรับหลายภาษา อย่างไรก็ตาม โมเดลใหม่นี้ยังมี…
Meta เปิดตัว Muse Voice Transcribe โมเดลรับรู้ออดิโอแบบเรียลไทม์ตัวแรกของบริษัท โดยชูจุดเด่นเรื่องการถอดเสียงต่อเนื่องแบบสตรีมมิงและรองรับหลายภาษา เพื่อใช้งานกับ Meta AI บน Mac รวมถึงเครื่องมือ Muse Code และเปิดให้ผู้พัฒนานำไปต่อยอดผ่าน Meta Model API ได้ด้วย การเปิดตัวครั้งนี้สะท้อนความพยายามของ…
Google ประกาศเปิดตัว Gemini 3.5 Transcribe โมเดล AI รุ่นใหม่สำหรับงานถอดเสียงเป็นข้อความ โดยตั้งใจยกระดับการพิมพ์ด้วยเสียงให้รวดเร็วและใช้งานได้ลื่นขึ้น โมเดลนี้ไม่ได้มุ่งแค่แปลงคำพูดเป็นตัวอักษรแบบตรงตัว แต่ยังช่วยจัดการกับถ้อยคำที่พูดซ้ำ การแก้ประโยคกลางคัน และคำเติมอย่าง “um” หรือ “เอ่อ” เพื่อให้…
Google เปิดเผยโมเดลถอดเสียงรุ่นใหม่ Gemini 3.5 Transcribe ซึ่งออกแบบมาเพื่อยกระดับการแปลงเสียงพูดเป็นข้อความให้แม่นยำและใช้งานได้กว้างขึ้น โดยจุดเด่นสำคัญคือสามารถจัดระเบียบคำพูดที่ไม่เป็นทางการหรือพูดวกวนให้กลายเป็นข้อความที่อ่านง่ายและมีโครงสร้างมากขึ้น ไม่ใช่แค่ถอดคำตามเสียงเท่านั้น บริษัทระบุว่า…
Google ปรับปรุง Gemini Audio ด้วยโมเดลตระกูล Gemini 3.5 ชุดใหม่ เพื่อยกระดับความสามารถด้านการถอดเสียงและคำสั่งเสียงให้แม่นยำขึ้น โดยไฮไลต์สำคัญคือการรองรับคำศัพท์เฉพาะทางได้ดีขึ้น และครอบคลุมมากกว่า 85 ภาษา การอัปเดตครั้งนี้ประกอบด้วย Gemini 3.5 Live, Gemini 3.5 Live Experimental และ Gemini 3.5…