SuperDial 重构医疗语音智能体平台,推出 Agent-to-Agent RCM 架构终结“机器人对轰”
SuperDial 重构其医疗语音智能体平台,推出 Agent-to-Agent RCM 架构,不再默认发起外呼,而是先查 EDI 数据源和 API,再试付款方门户,最后才打电话。
SuperDial 重构其医疗语音智能体平台,推出 Agent-to-Agent RCM 架构,不再默认发起外呼,而是先查 EDI 数据源和 API,再试付款方门户,最后才打电话。
WIRED 作者实测 Apple Watch 的 Live Rewind 与 Siri Recap 两项 Audio Intelligence 功能,前者可回看最近 15 秒对话的文字记录,后者在一天结束时汇总环境对话要点。
Liquid AI 发布 d1.2 和 d1.2-ultra 决策模型,可接受文本、图像和音频输入,并新增读取数值、查找片段、定位目标、区间估计、多选标签 5 种答案类型。
旧金山语音 AI 公司 Bland 发布全双工语音到语音模型 Tofu-1,以研究预览形式开放给有限企业,目标场景是行驶中的汽车、病房和弱信号线路。该模型直接处理音频输入输出,中间不经转写文本,官方列出说话人追踪、噪声分离和副语言信息识别三项音频能力,并支持通话中打断与边处理边对话。
NiCE 本周发布新一代 Cognigy,包含重新设计的 Agentic Experience Studio、覆盖构建测试改进的 AI Assist、可复用“技能”、逐轮追踪和原生语音到语音模型支持。
Ollama 现在可以把文本转成语音,首个接入的语音模型是 Gradium 的小型 TTS 模型系列 Phonon,目前支持 macOS,Windows 和 Linux 支持即将推出。
Audible 技术团队公布一套面向有声书的可控 TTS 方案,用自然语言描述控制对白语气,并让角色声音在全书中保持一致。方案包含三部分:带语音特征描述的数据合成流水线、自动识别书中角色及其对白的 BookLLM(英语和西班牙语准确率分别为 97% 和 94%),以及把两者串起来的合成流程。在 MUSHRA 测试中,对白区分度提升 3.7 分,英西双语十种声音里有八种在听感上取得统计显著改善。