搜索
2025 年 3 月 11 日，语音生成初创公司 Cartesia 宣布完成 6400 万美元 A 轮融资，距其 2700 万美元种子轮融资仅过去不到 3 个月。本轮融资由 Kleiner Perkins 领投，Lightspeed、Index、A*、Greycroft、Dell Technologies Capital 和 Samsung Ventures 等跟投。
（用户的）信任是要靠争取的，如果模型在设计时没有考虑到这一点，它们就永远无法发挥出全部潜力。
红杉资本、A16Z 最近讨论了对语音人工智能初创公司 Sesame 的融资。该公司专注于开发人工智能语音助手和可穿戴设备。
语音恐怖谷是指在语音合成技术中，当 AI 合成语音接近人类的真实语音，但又存在细微的不自然或不完美之处时，会引发人类的不适感。
语音Agent市场在2024年下半年迎来爆发式增长。据Cartesia统计，在最新一届YC中，构建语音相关产品的公司占比达22%。
相比让Alexa重新焕发生机，AI可能会产生的幻觉或只是个小问题。
起猛了，DeepSeek开口说话了。而且是超低延迟实时秒回，还可以随时打断的那种，先来看一段VCR：DeepSeek以及其他任意大模型接入这样的高质量对话引擎，全程只需要两行代码。
ElevenLabs 似乎无处不在。2025年 1 月，Lex Fridman在基辅对乌克兰总统Zelenskyy进行了长达三小时的采访，采访中使用了ElevenLabs 提供的AI英语、乌克兰语和俄语翻译，完美地保留了泽连斯基的语音和语调。这是AI消除语言障碍能力的一次引人注目的展示。
语音是人工智能应用公司最重大的突破之一。作为人类最常用、信息密度最高的交流方式，语音如今在人工智能的推动下首次实现了“可编程化”。
WaveForms致力于开发音频大模型（LLMs），通过创新的端到端音频处理技术，实现更加实时、类人化且情感智能化的语音交互。与传统语音模型不同，WaveForms的音频模型不是语音转文本再转语音，而是能够直接处理音频，实现更自然的对话和情感互动。