Granola กำลังเดินเกมกลับด้านจากคู่แข่ง ด้วยการเพิ่มฟีเจอร์ dictation หรือการพิมพ์ด้วยเสียงลงในผลิตภัณฑ์จดบันทึกการประชุมของตัวเอง หลังจากก่อนหน้านี้ Wispr เพิ่งเสริมความสามารถด้าน meeting notes เข้าไปในแอป dictation ของตน แนวทางนี้ทำให้เห็นการแข่งขันที่เริ่มดุเดือดขึ้นในตลาดเครื่องมือ AI ด้านเสียง…
Nvidia เปิดตัว Nemotron 3.5 Transcribe โมเดลถอดเสียงพูดแบบโอเพนเวตตัวใหม่ โดยชูจุดเด่นเรื่องการรองรับภาษาได้สูงสุด 40 ภาษา และมาพร้อมชุดข้อมูลเสียงที่อัปเดตเพิ่มเติมเพื่อช่วยยกระดับความแม่นยำของระบบถอดเสียง บริษัทระบุว่าโมเดลนี้ถูกออกแบบมาให้ใช้งานได้กับงานถอดเสียงในหลายบริบท ไม่ใช่แค่การแปลงเสียง…
Deepgram ประกาศเข้าซื้อกิจการ Daily บริษัทที่อยู่เบื้องหลัง Pipecat เฟรมเวิร์กแบบโอเพนซอร์สสำหรับการสร้างแอปพลิเคชันสนทนาและระบบเสียงแบบเรียลไทม์ โดยดีลนี้สะท้อนความตั้งใจของ Deepgram ที่จะขยายบทบาทจากผู้ให้บริการโมเดลรู้จำเสียงพูดไปสู่การเป็นผู้เล่นด้านโครงสร้างพื้นฐาน Voice AI ที่ครบวงจรมากขึ้น…
Nvidia เปิดตัวโมเดลถอดเสียงพูดเป็นข้อความแบบเปิดให้ใช้งานฟรี ซึ่งรองรับการถอดเสียงได้สูงสุด 40 ภาษา ถือเป็นอีกก้าวสำคัญในตลาด Voice AI และเครื่องมือถอดความอัตโนมัติ โดยเฉพาะงานประชุม สัมมนา การบันทึกการสนทนา และงานเอกสารทางการแพทย์ที่ต้องการความแม่นยำและรองรับหลายภาษา อย่างไรก็ตาม โมเดลใหม่นี้ยังมี…
บทความนี้สะท้อนมุมมองของผู้บริหารในวงการที่เชื่อว่าเทคโนโลยี Voice AI หรือระบบสนทนาด้วยเสียงยังไม่ก้าวสู่จุดเปลี่ยนแบบที่ ChatGPT เคยสร้างให้กับแชตบอตข้อความ แม้ความสามารถด้านการถอดเสียงและสังเคราะห์เสียงจะพัฒนาไปมาก แต่ปัญหาพื้นฐานยังอยู่ที่การเข้าใจบริบทของคำพูดจริงในสถานการณ์ใช้งานจริง ซึ่งมักมี…
ElevenLabs บริษัทด้านเสียงสังเคราะห์และ AI เสียง เปิดทางให้พนักงานขายหุ้นที่ได้รับสิทธิ์แล้วบางส่วนผ่านการทำ tender offer ซึ่งประเมินมูลค่ากิจการไว้ที่ 22,000 ล้านดอลลาร์สหรัฐ ดีลครั้งนี้สะท้อนการเพิ่มขึ้นอย่างมากของมูลค่าบริษัท เมื่อเทียบกับรอบระดมทุนในเดือนกุมภาพันธ์ที่ผ่านมา ที่ประเมินไว้ราว…
Uhura Bionics ซึ่งเป็นหนึ่งในบริษัทที่เข้าร่วมรายการ Startup Battlefield 200 ของงาน TechCrunch Disrupt กำลังพัฒนาอุปกรณ์สื่อสารรูปแบบใหม่ที่ทีมเรียกว่า “แว่นสำหรับเสียง” โดยมีเป้าหมายแก้ปัญหาการสื่อสารของผู้ที่สูญเสียความสามารถในการพูดจากโรคหรืออุบัติเหตุ แนวคิดหลักของบริษัทคือไม่ต้องการให้เทคโนโลยี…
เหตุการณ์ที่คุณปู่ของทารินี ปัทมานภูนี ถูกมิจฉาชีพใช้เสียงปลอมแบบดีปเฟกเลียนแบบเสียงของพี่ชายมาหลอก จนกลายเป็นจุดเริ่มต้นให้เธอลุกมาสร้างสตาร์ตอัปด้านความปลอดภัยทางเสียงชื่อ DetectifAI ในซานฟรานซิสโก แนวคิดของบริษัทคือพัฒนาโมเดลเอไอที่มีขนาดเล็กพอจะทำงานได้บนสมาร์ทโฟนโดยตรง เพื่อช่วยตรวจจับเสียงปลอม…
Modulate สตาร์ทอัพด้านเทคโนโลยีเสียงประกาศระดมทุนรอบใหม่มูลค่า 25 ล้านดอลลาร์ เพื่อนำไปขยายการพัฒนาโมเดลเสียงและชุดเครื่องมือวิเคราะห์ของบริษัท โดยเป้าหมายหลักคือการยกระดับความสามารถในการตรวจจับเสียงสังเคราะห์ที่สร้างจาก AI รวมถึงพฤติกรรมหลอกลวงที่เกี่ยวข้องกับการปลอมเสียง การโกง และการฉ้อโกงผ่าน…
บทความนี้เปรียบเทียบประสบการณ์ “คุยกับ AI ด้วยเสียง” ระหว่าง Gemini Live ของ Google และ ChatGPT Voice ของ OpenAI โดยตั้งคำถามหลักว่าแพลตฟอร์มใดให้บทสนทนาที่ลื่นไหลและเป็นธรรมชาติมากกว่ากัน เนื้อหาชี้ให้เห็นว่าการคุยกับแชตบอตด้วยเสียงยังมีความฝืดอยู่พอสมควรเมื่อเทียบกับการสนทนากับคนจริง ๆ ทั้งใน…
Treble สตาร์ทอัปที่มีฐานอยู่ในไอซ์แลนด์ประกาศระดมทุนรอบใหม่มูลค่า 18 ล้านดอลลาร์ เพื่อขยายแพลตฟอร์มสำหรับการจำลองเสียง ซึ่งถูกออกแบบมาให้ทีมพัฒนาโมเดล AI ด้านเสียงสร้าง ทดสอบ และปรับแต่งระบบได้อย่างมีประสิทธิภาพมากขึ้น จุดเด่นของแพลตฟอร์มคือการช่วยให้ผู้พัฒนาทดลองกับเสียงสังเคราะห์ในสภาพแวดล้อมที่…
กูเกิลเปิดตัวฟีเจอร์ AI แบบสั่งงานด้วยเสียงสำหรับแอปหลักอย่าง Gmail, Docs และ Keep โดยชูความสามารถในการโต้ตอบกับข้อมูลและสร้างเนื้อหาผ่านภาษาพูดแทนการพิมพ์ ผู้ใช้สามารถค้นหาอีเมล สร้างหรือแก้ไขเอกสาร และจัดการบันทึกต่าง ๆ ได้ด้วยคำสั่งแบบสนทนา ซึ่งช่วยลดขั้นตอนการทำงานในชีวิตประจำวันและทำให้การใช้…
Ringg สตาร์ทอัพจากอินเดียประกาศระดมทุนเพิ่มอีก 10 ล้านดอลลาร์สหรัฐจาก Peak XV ในรอบ Series A extension โดยเงินก้อนนี้สะท้อนความเชื่อมั่นของนักลงทุนต่อทิศทางของบริษัทที่กำลังขยายการใช้งานเทคโนโลยี voice AI ให้ทำงานได้มากกว่าการเป็นเพียงระบบรับสายโทรศัพท์แบบเดิม จุดขายหลักของ Ringg คือการนำ AI เสียงไป…
Wispr สตาร์ทอัพด้านเสียงและ AI ได้ปิดรอบระดมทุนใหม่มูลค่า 280 ล้านดอลลาร์ ส่งผลให้มูลค่ากิจการขึ้นไปอยู่ที่ 2 พันล้านดอลลาร์ ตามรายงานของ TechCrunch ดีลครั้งนี้สะท้อนความสนใจของนักลงทุนที่ยังมีต่อเครื่องมือ AI สำหรับการสื่อสารด้วยเสียง แม้ตลาดจะมีการแข่งขันสูงขึ้นอย่างต่อเนื่อง เงินทุนรอบล่าสุดทำให้…
Omilia บริษัทซอฟต์แวร์ด้านการสนทนาอัตโนมัติและงานบริการลูกค้า ประกาศระดมทุนรอบ Series B มูลค่า 67 ล้านดอลลาร์เพื่อเร่งการขยายแพลตฟอร์มให้รองรับลูกค้าองค์กรได้มากขึ้น โดยรอบนี้นับเป็นการระดมทุนครั้งใหญ่ครั้งที่สองของบริษัทนับตั้งแต่รอบก่อนหน้าในปี 2020 บริษัทระบุว่าช่วงเวลาหลังจากรับเงินรอบล่าสุด…
Smallest.ai สตาร์ทอัปด้านปัญญาประดิษฐ์เปิดเผยว่าระดมทุนได้ 13 ล้านดอลลาร์ เพื่อนำไปพัฒนาโมเดลเสียงที่ตอบสนองได้รวดเร็วและฟังดูเป็นธรรมชาติจนยากจะแยกจากมนุษย์ เป้าหมายหลักของบริษัทคือทำให้การสนทนาทางโทรศัพท์ที่ขับเคลื่อนด้วย AI มีความลื่นไหลพอจะผ่านการทดสอบการรับรู้ว่าเป็นมนุษย์หรือไม่ หรือที่มัก…
Rime สตาร์ทอัปด้าน AI สำหรับการรับสายลูกค้าในองค์กร ประกาศปิดดีลระดมทุน Series A มูลค่า 24 ล้านดอลลาร์ เพื่อขยายแพลตฟอร์มที่ช่วยให้บริษัทจัดการสายโทรเข้าได้มีประสิทธิภาพมากขึ้น โดยเฉพาะงานบริการลูกค้าและงานรับข้อมูลเบื้องต้นจากผู้ใช้ บริษัทระบุว่าระบบของตนกำลังรองรับการโทรมากกว่า 100 ล้านสายต่อเดือน…
OpenAI เปิดตัว GPT-Live ซึ่งเป็นการอัปเดตที่เน้นการใช้งานด้วยเสียงสำหรับ ChatGPT โดยตั้งเป้าให้การสนทนากับแชตบอตเป็นธรรมชาติและลื่นไหลมากขึ้นกว่าการพิมพ์ข้อความแบบเดิม จุดเด่นของการอัปเดตนี้คือการปรับประสบการณ์ให้เหมาะกับการโต้ตอบด้วยเสียงมากขึ้น ทำให้ ChatGPT ตอบสนองในลักษณะที่ใกล้เคียงการคุยกับผู้…
OpenAI เปิดตัวโมเดลเสียงชุดใหม่ที่ออกแบบมาเพื่อให้การสนทนากับ AI ฟังดูเป็นธรรมชาติและลื่นไหลกว่าเดิม โดยจุดเด่นสำคัญคือระบบสามารถ “ฟัง” และ “พูด” ไปพร้อมกันได้ในระหว่างสนทนาแบบสด ซึ่งช่วยลดความหน่วงและทำให้การโต้ตอบใกล้เคียงการคุยกับมนุษย์มากขึ้น ความสามารถลักษณะนี้มีความสำคัญอย่างยิ่งต่อการใช้งาน…